深市A股日成交量預(yù)測(cè)研究

徐尚友 邵媛媛

深市A股日成交量預(yù)測(cè)研究

徐尚友 邵媛媛

證券投資軟件的日成交量預(yù)測(cè)多采用通達(dá)信虛擬成交量指標(biāo) (TDX－VVOL)，該指標(biāo)在交易日的較早時(shí)間段預(yù)測(cè)精度很差。論文嘗試找出決定A股日成交量的顯著影響因素，采用多元線性回歸的方法對(duì)深市日成交量進(jìn)行定量預(yù)測(cè)，以解決TDX－VVOL的早盤預(yù)測(cè)誤差過(guò)大問(wèn)題。

線性回歸;虛擬成交量，深市;日成交量

股價(jià)和成交量是股票市場(chǎng)兩個(gè)最為根本的變量。量在價(jià)先，盡早準(zhǔn)確地預(yù)測(cè)全天成交量，可以提前預(yù)判當(dāng)日股市活躍度，幫助投資者做出理性投資決策。當(dāng)前各證券投資軟件普遍采用是通達(dá)信虛擬成交量指標(biāo)(TDX－VVOL)來(lái)預(yù)測(cè)股市日成交量，預(yù)測(cè)公式為:當(dāng)日預(yù)測(cè)成交量=即時(shí)成交量 (手)*240/離開市的分鐘數(shù)，其預(yù)測(cè)原理基于這樣的假設(shè):全天成交量在分時(shí)上沒有顯著變化，成交量的柱狀圖呈近似的均勻分布狀態(tài)。這顯然不符合日成交量的實(shí)際分布規(guī)律，實(shí)際日成交量柱狀圖在全天240分鐘內(nèi)并呈“兩邊高、中間低”的“U形”分布特征，即:開盤和收盤的30分鐘成交量較大，而中間的180分鐘成交量顯著較少。由于算法簡(jiǎn)單，在全天四個(gè)小時(shí)的時(shí)間段內(nèi)，越早時(shí)間段TDXVVOL的預(yù)測(cè)精度越差，在全天的最初半小時(shí)內(nèi)，由于該指標(biāo)的預(yù)測(cè)誤差過(guò)大，幾乎完全沒有參考價(jià)值。論文嘗試采用逐步回歸的方法，以深市A股數(shù)據(jù)為基礎(chǔ)，找出決定A股日成交量的自變量進(jìn)行定量預(yù)測(cè)，以解決TDX－VVOL的早盤預(yù)測(cè)誤差過(guò)大問(wèn)題。

一、預(yù)測(cè)模型及預(yù)測(cè)原理

由于A股當(dāng)前實(shí)行T+1的交易制度，當(dāng)日買入的股票要下一個(gè)交易日才能賣出，因此理論上來(lái)說(shuō)當(dāng)日成交量的大小應(yīng)受到前1個(gè)交易日(t－1)的成交量影響，同理受T+1制度的遞延影響，當(dāng)日成交量還受二天前 (t－2)、三天前 (t－3)、…n天前 (t－n)的成交量影響，距離越遠(yuǎn)的成交量對(duì)當(dāng)日 (t日)成交量影響越小;此外，由于A股每日開盤的較早時(shí)段成交量較大，且對(duì)日成交量貢獻(xiàn)顯著，因此，若在預(yù)測(cè)模型中加入開盤早期的成交量動(dòng)態(tài)數(shù)據(jù)，則理論上對(duì)當(dāng)日全天成交量預(yù)測(cè)的精確度有正向作用。

因此，將股市當(dāng)日成交量定為被解釋變量Y，由于實(shí)際成交量貢獻(xiàn)值較大，將當(dāng)日開盤的5分鐘、15分鐘以及30分鐘成交量，分別定為解釋變量X1、X2、X3，前1、2、3、……10日成交量分別定為解釋變量Y1、Y2、Y3……Y10。這樣建立包含13個(gè)解釋變量的初始回歸模型:

利用Eviews軟件對(duì)初始模型采用普通最小二乘法 (OSL)進(jìn)行逐步回歸，剔出無(wú)效的變量，保留有效的解釋變量，估計(jì)出預(yù)測(cè)日成交量模型中的參數(shù)值，然后利用Eviews軟件的相關(guān)功能對(duì)模型的參數(shù)經(jīng)行相關(guān)檢驗(yàn)，最后得到的模型可用來(lái)預(yù)測(cè)分析。

二、數(shù)據(jù)分析及回歸結(jié)果

以深市2014年全年日成交量數(shù)據(jù)為樣本，包括每天的當(dāng)日成交量、當(dāng)日開盤5、15、30分鐘成交量等。數(shù)據(jù)來(lái)源于國(guó)元領(lǐng)航證券。為了得到真實(shí)、準(zhǔn)確、合理數(shù)據(jù)，剔出了部分不合理數(shù)據(jù) (例如節(jié)假日前后的異常數(shù)據(jù))，最后得到190個(gè)有效樣本，預(yù)測(cè)模型以此樣本進(jìn)行數(shù)據(jù)分析，最終得到擬合效果較好的回歸模型。在Eviews軟件進(jìn)行逐步回歸主要過(guò)程如下:

1.包含13個(gè)解釋變量的初始回歸模型:

通過(guò)t檢驗(yàn)剔除無(wú)效的解釋變量x2、y3、y4、y7、y8、y9、y10，剩余t檢驗(yàn)顯著的解釋變量包括:x1(當(dāng)日開盤5分鐘成交量)、x3(當(dāng)日開盤30分鐘成交量)、y1(前一天日成交量)、y2(前二天日成交量)、y5(前五天日成交量)、y6(前六天日成交量)。保留的解釋變量基本符合股票投資常識(shí)。

2.對(duì)剩下的顯著解釋變量x1、x3、y1、y2、y5、y6建立模型，回歸結(jié)果:

計(jì)算模型2各個(gè)解釋變量的相關(guān)系數(shù)，可以看出各解釋變量之間存在多重共線性。為了修正多重共線性，需要采用逐步回歸的方法。

3.分別作y對(duì)x1、x3、y1、y2、y5、y6的一元回歸，并逐步加入解釋變量進(jìn)行逐步回歸，最終得到的擬合度最優(yōu)模型:

三、預(yù)測(cè)及比對(duì)分析結(jié)果

為了驗(yàn)證通達(dá)信虛擬成交量指標(biāo) (TDX－VVOL)公式和模型的預(yù)測(cè)誤差，利用2015年3月31日的深圳A股的成交量數(shù)據(jù)，分別在9: 35、9:45、10:00整分別查看TDX－VVOL全天預(yù)測(cè)量，并計(jì)算出模型在10:00得到的實(shí)時(shí)預(yù)測(cè)值，通達(dá)信TDX－VVOL和模型預(yù)測(cè)的誤差率如下:

通達(dá)信虛擬成交量指標(biāo) (TDX－VVOL)和模型預(yù)測(cè)的誤差率

時(shí)間 當(dāng)日實(shí)際值 預(yù)測(cè)全天成交量 誤差率(%) 9:35 484897760 19386619392 3998 9:45 484897760 11010089472 2271 10:00 484897760 9281035776 1914預(yù)測(cè)模型484897760 693502967 43.02

可以看出在10:00實(shí)時(shí)分析，回歸模型預(yù)測(cè)的誤差率絕對(duì)值遠(yuǎn)遠(yuǎn)小于通達(dá)信虛擬成交量指標(biāo) (TDX－VVOL)的誤差率，符合預(yù)期，較之TDX－VVOL的早盤預(yù)測(cè)可以更加及時(shí)準(zhǔn)確地預(yù)測(cè)全日成交量。

(作者單位:安徽師范大學(xué)經(jīng)濟(jì)管理學(xué)院)

［1］ 梁增輝.中國(guó)股票市場(chǎng)量?jī)r(jià)關(guān)系研究［J］.西南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2013:24－31.

［2］ 宋立柱.股市成交量及相關(guān)指標(biāo)的指標(biāo)體系研究［J］.內(nèi)蒙古財(cái)經(jīng)學(xué)院學(xué)報(bào)，1995:92－94.

［3］ 彭定贇.計(jì)量經(jīng)濟(jì)學(xué)［M］.華中科技大學(xué)出版社，2012:100－140.

徐尚友 (1970－)，男，博士，安徽師范大學(xué)經(jīng)濟(jì)管理學(xué)院老師，研究方向:技術(shù)經(jīng)濟(jì)。