股價(jià)走勢(shì)經(jīng)濟(jì)預(yù)測(cè)初探

　　股票市場(chǎng)同其它資本買賣市場(chǎng)一樣，“利益”和“風(fēng)險(xiǎn)”構(gòu)成了市場(chǎng)的核心內(nèi)容，從股票市場(chǎng)內(nèi)部來(lái)看，市場(chǎng)行情由投資者們的行為共同創(chuàng)造，反過(guò)來(lái)市場(chǎng)行情又直接影響著投資者的信心和下一步的操作行為，從外部看，股市還受到來(lái)自政治經(jīng)濟(jì)形勢(shì)、金融政策、公司狀況和重大消息等多方面的因素影響。
　　試根據(jù)青島海爾歷史交易數(shù)據(jù)（2007.7.3-2009.8.18）模擬出該股票最近1個(gè)月收盤價(jià)走勢(shì)，在此基礎(chǔ)上模擬最近兩年該股票收盤價(jià)走勢(shì)，并分析印花稅對(duì)該股票的影響。
　　一、模型的建立與求解
　?。ㄒ唬┒唐谑毡P價(jià)走勢(shì)模型
　　通過(guò)對(duì)青島海爾歷史交易收盤價(jià)數(shù)據(jù)的MATLAB時(shí)間序列分析，得出其變化趨勢(shì)呈現(xiàn)布朗運(yùn)動(dòng)狀況，各因子影響具有不確定性，故建立GM(1，1)模型進(jìn)行求解。
　　由于影響收盤價(jià)格的因素錯(cuò)綜復(fù)雜，其中有些因素也難以控制，使收盤價(jià)格的隨機(jī)性較大，往往有一定的擺動(dòng)性。因此，采用常規(guī)方法建立簡(jiǎn)單實(shí)用的收盤價(jià)格模型是有困難的。但是，灰色系統(tǒng)理論認(rèn)為，收盤價(jià)格的數(shù)據(jù)已攜帶著充分的信息，采用一定的數(shù)據(jù)生成方法，減少數(shù)據(jù)的隨機(jī)性，增加數(shù)據(jù)的規(guī)律性，用來(lái)預(yù)測(cè)未來(lái)的趨勢(shì)。
　　為了保證建模方法的可行性，對(duì)已知數(shù)據(jù)列做必要的檢驗(yàn)處理，對(duì)參考數(shù)列取適當(dāng)?shù)某?shù)c作平行變換處理，使得變換后數(shù)列的級(jí)比。
　　GM（1，1）模型灰微分方程相應(yīng)的白化微分方程為。由灰色系統(tǒng)預(yù)測(cè)模型進(jìn)行時(shí)間序列縱向預(yù)測(cè)，帶入已知數(shù)據(jù)運(yùn)用MATLAB軟件求解得到方程模型
　　并將預(yù)測(cè)累加值還原為預(yù)測(cè)值，由此我們運(yùn)用MATLAB計(jì)算可得相對(duì)誤差數(shù)據(jù)，預(yù)測(cè)出09年第三季股價(jià)數(shù)據(jù)，呈現(xiàn)下降趨勢(shì)。
　　同時(shí)，建立BP前饋神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，BP網(wǎng)絡(luò)由輸入層、輸出層及隱含層組成，采用誤差反饋學(xué)習(xí)算法，其學(xué)習(xí)過(guò)程由正向傳播(網(wǎng)絡(luò)正算)和反向傳播(誤差反饋)兩部分組成。以青島海爾歷史交易數(shù)據(jù)預(yù)測(cè)股價(jià)走勢(shì)，對(duì)其產(chǎn)生影響的因素是多方面的，選取開(kāi)盤價(jià)、最高價(jià)、最低價(jià)、交易量和交易金額5個(gè)因素作為輸入因子。在正向傳播過(guò)程中，輸入信息經(jīng)隱含單元逐層處理并傳向輸出層，如果輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播過(guò)程，將實(shí)際值與網(wǎng)絡(luò)輸出之間的誤差沿原來(lái)的聯(lián)結(jié)通路返回，通過(guò)修改各層神經(jīng)元的聯(lián)系權(quán)值而使誤差減小，然后再轉(zhuǎn)入正向傳播過(guò)程，反復(fù)迭代，直到誤差小于給定的值為止。
　　由于07年7月3日至09年8月18日時(shí)間段內(nèi)共513天中對(duì)收盤價(jià)的影響因素是不斷變化的，網(wǎng)絡(luò)連接權(quán)重和閾值需不斷校正，所以采取實(shí)時(shí)學(xué)習(xí)訓(xùn)練及仿真來(lái)預(yù)測(cè)未來(lái)一個(gè)月股價(jià)走勢(shì)。用前400天的統(tǒng)計(jì)資料作為一個(gè)學(xué)習(xí)樣本，進(jìn)行學(xué)習(xí)訓(xùn)練、仿真，預(yù)測(cè)后100天的收盤價(jià)，并不斷將新的預(yù)測(cè)資料增加到學(xué)習(xí)模式中，增加新資料的同時(shí)剔除最早的資料，預(yù)測(cè)結(jié)果趨勢(shì)與灰色模型大致相同。
　?。ǘ╅L(zhǎng)期收盤價(jià)走勢(shì)模型
　　在GM(1，1)模型的基礎(chǔ)上，對(duì)原始時(shí)間序列x(0)(k)進(jìn)行三點(diǎn)滑動(dòng)平均光滑處理，增加光滑度，并對(duì)進(jìn)行多次取值，測(cè)試出最佳權(quán)重，當(dāng)時(shí)取極值，此為預(yù)測(cè)值上下限。在數(shù)據(jù)處理方面，我們采用股價(jià)移動(dòng)平均線MA5、移動(dòng)平均線MA10進(jìn)行預(yù)測(cè)，并考慮季節(jié)變動(dòng)影響因子，收益率的滑動(dòng)平均變化，假設(shè)市場(chǎng)供求僅受季節(jié)變化影響，即收益率僅由季節(jié)因子決定，故代入數(shù)據(jù)可得方程模型
　　同樣，我們對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，為減小短線波動(dòng)影響，先對(duì)股票數(shù)據(jù)進(jìn)行線性平均，具體輸入數(shù)據(jù)為股價(jià)移動(dòng)平均線MA5、移動(dòng)平均線MA10，并考慮季節(jié)變動(dòng)、收益率的滑動(dòng)平均變化，以時(shí)間段內(nèi)的最高最低值分別取值為1、-1，對(duì)所有數(shù)據(jù)進(jìn)行平滑和歸一化處理。確定使用一個(gè)隱含層，輸入層的神經(jīng)元個(gè)數(shù)為7，隱含層的神經(jīng)元個(gè)數(shù)為9，樣本數(shù)量為513，輸出層的神經(jīng)元個(gè)數(shù)為1，運(yùn)用MATLAB進(jìn)行編程處理，待完成若干輪訓(xùn)練之后，計(jì)算總體誤差達(dá)到極小時(shí)，即可結(jié)束訓(xùn)練，使用該網(wǎng)絡(luò)進(jìn)行對(duì)未來(lái)兩年青島海爾的股價(jià)進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果誤差較小。
　?。ㄈ?dǎo)入印花稅影響因子模型
　　由于印花稅是股票的交易成本之一，基于交易者理性人的假設(shè)，其變化必然影響股票價(jià)格。通過(guò)對(duì)模型的預(yù)測(cè)值與實(shí)際值的檢驗(yàn)對(duì)比，根據(jù)印花稅調(diào)整的實(shí)際情況，即從調(diào)整為，印花稅率變化與股價(jià)成反相關(guān)關(guān)系，采用控制變量法，分析突變因子印花稅率變化對(duì)股票的影響，而通過(guò)實(shí)證分析，交易傭金變化率隨印花稅率正向相關(guān)，故將其作為同質(zhì)因子考慮。
　　直接將印花稅變化率r導(dǎo)入關(guān)系式中，同時(shí)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)，將變量印花稅率作為新增的輸入層神經(jīng)元進(jìn)行分析，解得印花稅對(duì)股價(jià)影響可忽略。
　　二、模型的評(píng)價(jià)及改進(jìn)方向
　　（一）關(guān)于虛擬變量季節(jié)因素變動(dòng)的討論
　　通過(guò)對(duì)每一季度收盤價(jià)擬合可以看出，股價(jià)雖受季節(jié)變動(dòng)影響較大，但不具有明確規(guī)律性，僅作為虛擬變量參考。
　?。ǘ┠Ｐ偷膬?yōu)缺點(diǎn)
　　本文建模方法思想比較容易普及，對(duì)單個(gè)股票股價(jià)和綜合股指走勢(shì)預(yù)測(cè)這一大類問(wèn)題的適用性很強(qiáng)。運(yùn)用灰色系統(tǒng)預(yù)測(cè)模型和BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，合理性和可行度較高，然而由于輸入層節(jié)點(diǎn)數(shù)選取不同，預(yù)測(cè)存在一定誤差。
　?。ɡ壮叫?，江西九江人，中南民族大學(xué)經(jīng)濟(jì)學(xué)院。研究方向：金融工程）