论文部分内容阅读
股市作为一国国民经济发展的缩影，往往与宏观经济因素的变动有着密不可分的联系。如果能够利用宏观经济因素与股指的联系，来分析判断股指的走向，不仅可以帮助投资者进行投资决策，降低投资风险，而且也又便于监管者制定相关政策。 本文运用多因素投资组合模型的基本思想，考察了在美国股市中的宏观经济指标与股指的作用关系，并运用移动平均线分析、BP神经网络和小波神经网络三种方法检验了经济因素对S&P500指数长期走势的预测能力，并运用股价自身的数据对股指短期收益率进行了预测。 首先，本文以在学术和实践领域经常使用的经济指标作为研究对象，把证券技术面分析中常用的移动平均线分析方法，引入经济指标对股指拐点侦测的研究中，选择了四个较具有代表性的经济指标，运用三种不同的移动平均线算法，计算了四个经济指标和股指的移动平均线，并通过实证发现耐用品新订单是股指的领先性指标。 接着，本文详细阐述了人工神经网络的相关理论。选择了七个经济指标，构建了对S&P500指数进行预测的BP神经网络模型。实证发现，BP网络对股指拟合和预测的误差水平都不理想。另外，本文还利用S&P500滞后期和移动平均的数据对它的短期收益率建模进行了研究，得到BP网络对收益率短期方向性预测的正确率为56.1％。 最后，本文介绍了小波分析的相关理论，构建了小波神经网络模型，分别对S&P500指数的长期走势和短期收益率进行了拟合预测。在长期走势预测模型中，同样采用的是经济指标为输入变量，与BP网络的实证结果相比，小波神经网络的误差水平略小于BP网络。且在对短期收益率的预测方面，更具有明显的优越性和准确性，特别是收益率的涨跌方向的判断方面，小波神经网络的预测的准确率达到了77.8％。