Logistic模型在股票市場中的應(yīng)用

侯 威

(云南財經(jīng)大學統(tǒng)計與數(shù)學學院 云南 昆明 650000)

Logistic模型在股票市場中的應(yīng)用

侯 威

(云南財經(jīng)大學統(tǒng)計與數(shù)學學院 云南 昆明 650000)

伴隨著社會經(jīng)濟的發(fā)展，及目前大數(shù)據(jù)技術(shù)在經(jīng)濟、政府統(tǒng)計、生物統(tǒng)計、信息技術(shù)等各種領(lǐng)域的廣泛應(yīng)用，人們越來越希望能夠?qū)⒋髷?shù)據(jù)的技術(shù)應(yīng)用到金融市場中去，運用大數(shù)據(jù)的方法對金融風險進行控制。本文介紹的logistic模型是回歸中的一個常用的模型，在實際生活中應(yīng)用十分廣泛。本文將logistic模型應(yīng)用到股票市場中，過去的歷史數(shù)據(jù)為基礎(chǔ)，擬合logistic模型，對單只股票的漲跌進行二分類的預測。

logistic模型；股票市場；漲跌預測；逐步回歸

一、引言

1.研究背景及意義

隨著社會經(jīng)濟的發(fā)展，我國的金融行業(yè)正進入了一個飛速發(fā)展的時代，隨著社會財富的增加和人們理財意識的提高，越來越多的人愿意把自己的錢進行投資，而股票也是人們投資的一個工具之一。隨著股票市場的不斷完善，以及數(shù)據(jù)規(guī)模的擴大，越來越多的人開始進行量化投資，即利用各種各樣的數(shù)據(jù)、指標去預測金融市場的走向，并以此為基礎(chǔ)進行投資。

Logistic模型作為回歸中的二分類模型，在股票市場上的應(yīng)用例子并不多。本文以個股的行情數(shù)據(jù)為基礎(chǔ)，運用logistic模型對股票進行漲跌預測，希望做到規(guī)避風險的目的。

2.寫作思路及步驟

本文嘗試將logistic二分類模型運用到股票市場當中去，對個股進行漲跌預測，使用wind金融資訊軟件進行數(shù)據(jù)的提取，用R語言軟件對數(shù)據(jù)進行處理和模型擬合。

首先，下載了wind金融資訊軟件，利用wind金融資訊軟件的R處理接口，嘗試與R軟件進行對接，直接在R中即可獲取wind金融資訊軟件中的各種數(shù)據(jù)。

其次，獲取數(shù)據(jù)后，在R中對數(shù)據(jù)進行處理，分成訓練組和測試組，將某天漲跌幅大于等于0的數(shù)據(jù)定義為1，漲跌幅小于0的定義為0，用t期數(shù)據(jù)擬合logistic模型，去預測t+1期的漲跌。

再次，對模型進行評價，修改模型，得到最終的logistic預測模型，再利用測試組的數(shù)據(jù)對模型預測的準確率進行評估。

二、模型擬合

本文選取了股票市場個股的基本行情指標，包括有開盤價、最高價、最低價、收盤價、成交量、成交額、振幅、均價、換手率、尾盤凈流入資金、開盤凈流入資金、凈流入資金、凈流入量和漲跌等14個指標。通過這些指標可以較為全面地反映個股在股票市場上的表現(xiàn)。

1.數(shù)據(jù)提取

本文的相關(guān)數(shù)據(jù)都是通過wind金融資訊軟件提取，通過該軟件的R插件接口，對接上統(tǒng)計分析軟件R軟件，再用R軟件進行數(shù)據(jù)的提取。

在本文中，提取了股票代碼為600152.SH的股票，從2014年1月份開始到2015年12月25號的數(shù)據(jù)。

2.數(shù)據(jù)清洗

得到600152.SH代碼的股票485期原始數(shù)據(jù)后，需要對數(shù)據(jù)進行數(shù)據(jù)清洗。首先，將t+1期漲跌幅大于等于0的t期因變量y設(shè)置為1，將t+1期漲跌幅小于0的t期因變量y設(shè)置為0，即用t期的數(shù)據(jù)預測t+1期的漲跌。其次，將數(shù)據(jù)的y指標整理為當前期數(shù)t+1期的漲跌幅。再次，將455期以前的數(shù)據(jù)定為訓練組數(shù)據(jù)，455期之后的30期數(shù)據(jù)為測試組數(shù)據(jù)。

3.模型估計

對于logistic模型只能用極大似然法進行估計。在處理上，首先直接把14個自變量納入模型，經(jīng)極大似然估計得出的系數(shù)存在較大的標準誤差，且部分指標不能通過統(tǒng)計檢驗。再通過逐步回歸的方法，找到AIC信息量最小的回歸。

逐步回歸結(jié)果可以確定引用模型中的變量個數(shù)為4個，AIC值為618.68，引入的變量分別為最高價、最低價、凈流入資金和均價。

4.模型檢驗

對原始模型和篩選完變量后的模型Model 10進行方差分析，結(jié)果顯示，方差分析的卡方統(tǒng)計量的值不顯著(p=0.6234)，表明只引入4個變量的模型與全變量的模型擬合程度一樣好，減少其余10個變量并不會影響模型的預測精度，因此可以依據(jù)更加精簡的模型Model 10進行解釋。

用模型的殘差偏差與殘差自由度進行過度離勢檢驗，結(jié)果顯示，卡方統(tǒng)計量的p值為0.3895，顯然不顯著，不能拒絕殘差偏差與殘差自由度等于1的原假設(shè)，故可認為該模型的相應(yīng)變量并不存在過度離勢的情況。

似然比檢驗LR統(tǒng)計量的結(jié)果表明統(tǒng)計顯著性很強，可認為模型通過了LR檢驗，拒絕了模型系數(shù)為0的假設(shè)，可認為自變量提供的信息是有用的。

對于logistic模型，估計未知總體參數(shù)時主要采用的是極大似然估計。本文中使用極大似然法對模型參數(shù)進行估計，并用Wald檢驗法對參數(shù)進行檢驗，結(jié)果顯示，可以看出各參數(shù)均顯著。

表1 極大似然估計和Wald檢驗

三、結(jié)果及分析

基于上述分析與測算，可得出logistic回歸分析方程為：

自變量分別為：HIGH最高價，LOW最低價，AMT成交額，VWAP均價。

模型解釋：可以看到，最高價增加一個單位，漲跌的優(yōu)勢比將乘以0.2088，最低價增加一個單位，漲跌的優(yōu)勢比將乘以0.2403，成交額增加一個單位，張得的優(yōu)勢比將乘以1，當均價增加一個單位的時候，將會引起漲跌優(yōu)勢比變?yōu)樵瓉淼?0.7641倍。這可以認為，對漲跌比影響最大的因素就是均價，而均價是證券在交易日所在指定周期內(nèi)所有成交額與所有成交量之比。因此，我們在今后的證券價格預測研究中可以重點關(guān)注這個指標。

[1]孫磊平.數(shù)據(jù)挖掘方法在股票分析中的應(yīng)用與研究[D].西南財經(jīng)大學,2013

[2]肖朝勝.股市危機預警系統(tǒng)研究[D].西南交通大學,2008

[3]于立勇,詹捷輝.基于Logistic回歸分析的違約概率預測研究[J].財經(jīng)研究,2004

[4]張韜.基于非參數(shù)統(tǒng)計的程序化交易策略研發(fā)報告[D].浙江工商大學,2013

[5](美)卡巴科弗.R語言實戰(zhàn)[M].人民郵電出版社,2013.1

侯威(1992-)，男，漢族，河南許昌人,云南財經(jīng)大學統(tǒng)計與數(shù)學學院，研究方向：經(jīng)濟統(tǒng)計。