论文部分内容阅读
我国的金融市场在经济发展中起到蓄水池的作用,它不仅可以储存资本,还能够将储蓄灵活快速地变为投资,促进了整个社会资本的合理分配。股票市场作为金融市场中重要、特殊的一个分支,与宏观经济相互影响,研究股票市场的发展对剖析宏观经济具有重要作用。相较于单个股票指数,如今在股市中以两种股票指数分化值为参考的交易模式日渐流行,该种交易模式具有诸多优点,如:趋势性明显、扩大资金管理的额度、规避风险等。本文以2016年11月18日至2019年11月18日为研究时间跨度,选取该时间段内731个交易日的中证500和上证50两种股票指数的分钟收盘价数据,计算分化值的分钟数据,而后计算单日内分化值极差作为目标序列进行建模分析,旨在对其进行预测,并深入研究影响因素,为交易提供参考性的建议。针对股票市场数据的研究多用时间序列模型,本文分析确定分化值研究的可行性后,对单日内分化值极差序列创建传统的ARIMA模型,分析当前值与过去值的线性关系,并作五步预测。在ARIMA模型的基础上,添加分化值大于0.5的总波段幅度和、早盘分化极差、中证500指数的单日内幅度极差、上证50指数的单日内幅度极差、单日最小分化值五个影响因素,应用半参数统计模型中的部分线性模型拟合和预测残差序列,进而得到组合模型对单日内分化值极差的五步预测结果。考虑到研究的科学性,本文共建立三组模型,样本量逐步增大,每组模型均由一个ARIMA模型和一个组合模型组成,组内两个模型的样本集相同。综合对比两种预测模型,发现相较于ARIMA模型,组合模型的正确率平均增高20%,说明加入部分线性模型后的组合模型对单一时间序列模型的预测具有显著的校正效果。并且时间序列模型的预测等级单一,长期预测的结果与短期预测结果关联性强,预测结果的灵活性较差,经过部分线性模型的校正之后,增强了预测结果的灵活性,并且预测效果更加稳定,加强了可信度。比较三组模型,随着模型样本数据量的增大,预测效果变好直至稳定。从模型表达式来看,组合模型中不仅表明了自身序列当前值与过去值的线性关系,还显示出各个因素对分化值极差的影响,模型的解释性更强,更有利于为交易过程提出建议。总体来说,针对本文的单日内分化值极差序列,应用组合模型对其分析预测更加有效。根据三组模型分析和预测结果提出以下合理化建议:(1)对日内交易模式,可根据预测的单日内分化值极差的大小调整交易次数。若是当日分化值极差较大,则利润空间大,且分化趋势稳定,可适当增加交易次数。(2)从ARIMA模型分析结果来看,当前值主要与过去三日或四日的序列值有线性相关关系,可多关注前几日的盘中走势,提前了解当日的分化情况。(3)幅度在0.5以上的分化值波段被认为是获利较大的波段,此类波段在一天中多出现一次或者两次,对当日分化值的极差具有明显正向影响,则在该种波段形成过程中可适当靠右进行交易,等待趋势稳定后买入仍有利润空间,且可以降低投资风险。(4)根据组合模型表达式,解释变量早盘一小时分化值极差的系数很小,且有正有负,说明早盘的震荡跟全天的形势没有明确关系,根据早盘情况预判全天的分化并不理性。(5)中证500指数的幅度极差较上证50指数对单日内分化值极差影响更大,且前者与因变量具有正相关的关系。所以由中证500主导的分化需要更多关注。(6)单日最小分化值与单日内分化值极差具有反向的相关关系,当分化值的最小值较小时,易触底反弹,造成较大极差。所以当日分化值到达较小数值时,应警惕其大幅反弹。