基于AR模型在中國證券市場中的走勢預測分析

張宏碹　張蓉儀　劉晴

摘要：基于AR模型，對中國證券市場的預測分析，對中國股市未來未知的區(qū)域進行預測、評估。在數(shù)據(jù)的相關性在可信區(qū)間內(nèi)，對股票的各種風險壓力通過AR模型建立明確的指標，根據(jù)成立的指標，掌控股票的走勢，精確對股票的操作。

關鍵詞：股票 AR模型 預測分析

一、前言

在金融市場之中，證券市場之中的股票市場，是一個體制相對完善的市場。對于一個相對客觀的投資市場，就可以運用一些量化手段，去剖析這個市場的發(fā)展規(guī)律。通過市場的發(fā)展規(guī)律，來預測在未知的市場后續(xù)之中走勢。所以，選用了AR模型來對市場進行預測，通過預測的結果來分析預測的結果與現(xiàn)實走勢的關系，以及面對預測結果如何掌控未來的走勢和面對的突發(fā)情況。

二、應用理論介紹

（一）時間序列

時間序列是金融分析中常用到的種數(shù)據(jù)格式，自回歸模型是分析時間序列數(shù)據(jù)的一種基本的方法。通過建立自回歸模型，找到數(shù)據(jù)自身周期性的規(guī)律，從而幫助證券交易者理解金融市場的發(fā)展變化。

（二）自回歸模型

自回歸模型（Autoregressive model），簡稱AR模型，是統(tǒng)計上

種處理時問序列的方法，用來描述當前值與歷史值之間的關系，用變量自身的歷史時間數(shù)據(jù)對自身進行預測，自回歸模型必須滿足平穩(wěn)性的要求。自回歸是從線性回歸分析中發(fā)展而來，只是把自變量x對因變量y的分析，變成自變量x對自身的分析即可。

自回歸模型是用自身的數(shù)據(jù)來進行預測，但是這種方法受到定的限制：

1.必須具有平穩(wěn)性，平穩(wěn)性要求隨機過程的隨機特征不隨時間變化。

2.必須具有自相關性，如果自相關系數(shù)φi于0.5，則不宜采用，否則預測結果極不準確。

3.自回歸只適用于預測與自身前期相關的現(xiàn)象，即受自身歷史因素影響較大的現(xiàn)象。對于受其他因素影響的現(xiàn)象，不宜采用自回歸，可以改用向量自回歸模型。

平穩(wěn)性要求產(chǎn)生時間序列Y的隨機過程的隨機特征不隨時間變化，則稱過程是平穩(wěn)的；假如該隨機過程的隨機特征隨時間變化，則稱過程是非平穩(wěn)的。

平穩(wěn)性是由樣本時間序列所得到的擬合曲線，在未來的段期間內(nèi)能順著現(xiàn)有的形態(tài)能直地延續(xù)下去；如果數(shù)據(jù)非平穩(wěn)，則說明樣本擬合曲線的形態(tài)不具有延續(xù)的特點，也就是說擬合出來的曲線將不符合當前曲線的形態(tài)。

三、模型建立

（一）建立數(shù)據(jù)

在此次的模型建立，是運用的是按照x3為自變量，x4、x5為因變量，依賴于SPSS及Eviews兩款軟件。利用spss進行相關系數(shù)的計算，再利用Eviews軟件進行預測。通過計算當天開盤價和收盤價來計算當天股價中點值，對其進行當天股價的簡化，將其第二天中點值算為第一天后的預測實際值，利用對前兩天的中點值進行二次簡化其股票價格。

利用SPSs進行預測一起票價格的函數(shù)系數(shù)，得到相關系數(shù)，x4就是利用x1乘以所得到的自相關系數(shù)1，x5就是利用x1乘以所得到的自相關系數(shù)2，再利用Eviews軟件進行范圍擴充后進行預測。自回歸模型被利用來校正相關系數(shù)和廣義回歸條件。

其中：x1為當天開盤價和收盤價的中點值；

X2為x1當天前天的值；

x3為x1當天與前一天的中點；

x4為利用x1、x2、x3的自相關系數(shù)乘以x1的值；

x5為利用x1、x2、x3的第二個自相關系數(shù)乘以x1的值。

四、對預測結果分析

首先，選取了十個大板塊的股票，從每個板塊之中隨機抽取一只股票進行分析。首先運用的是五階值來進行的相關系數(shù)的檢測。最后得到的相關系數(shù)，有些數(shù)值在第三個數(shù)的時候就變成了負值。但是運用二階值的時，并沒有出現(xiàn)負值，基本上所有的數(shù)值都在0.5以上。0以下的完全不相關的變量，就選擇了放棄，采用最為可信的二階值。二階值的相關性系數(shù)就在上面（表2），大部分具有高度相關，基本上二階值最低的相關系數(shù)不會低于0.4具有定的相關性。

采取的值，為當天股票交易開盤價與收盤價的中值。經(jīng)過假想，采用中值這做法的目的是能更好的找到當天分時線的分界點，以此可以判斷當天的基準價位。我稱之為交易的價值線。它的好處在于，它總會處于當天k線的實體線框之內(nèi)，也就意味著沒有脫離價值的過高和過低，這條線保持了價值的價格。

這水平的線段定義為當日的價值分界線。股票每日都會有開盤價收盤價，還有個平盤價格，但是平盤價只是一種定義它漲幅上下限值的一個評判標準，在我看來，這個并不是股票當日真正價值的體現(xiàn)。又因為接觸AR模型，所以展開了這一新的思想，就是AR模型對證券走勢的分析預測，現(xiàn)階段主要是針對股票市場的預測。

通過上面的步驟，選取了一個最小的區(qū)間，那就是三十工作日的數(shù)據(jù)進行預測。進行預測的時間是2017年5月11日，在那個時間向前截取了三十個工作日作為數(shù)據(jù)，取每一天的中值進行模型建立與計算，預測出后面三天的價值線。最終將三天的價值線與真正的開盤價與收盤價的中值進行計算。

例如圖15，16所展示的表明，用AR模型對股票走勢的分析準確度百分之八十以上的數(shù)據(jù)在誤差0.3元以內(nèi)，極個別的超出了0.3元。

先來分析一下0.3元以下的沒有誤差的，經(jīng)多次驗證表明，結合當前股票的走勢日k圖表明：模型取舍的是二階值，在預測之前的數(shù)據(jù)波動較小或極其具有規(guī)律，所以導致規(guī)律行極強，相關系數(shù)極高，導致了這只股票的預測竟然與真實的值完全相同，沒有絲偏差。反觀誤差在0.3以上的，在預測之前的數(shù)據(jù)就產(chǎn)生了劇烈的波動例如差距達到1.4元的強力新材（300429），在預測之前的天出現(xiàn)了漲停，導致了誤差出現(xiàn)了較大的誤差。

由以上數(shù)據(jù)表明，可以準確尋找到價值線或是價值線所在的大概區(qū)間，這根價值線也就是當天的開收盤價格的中線。

通過AR模型進行的

系列的計算，就得到了這個非常重要的數(shù)值。

這個數(shù)值的在實際股票市場之中的應用是非常明顯易懂的。假設你知道了第二天的價值線你會怎么做，這就很顯而易見。通過自己的成本價格，又知道第二天價值線，對于那些炒短線的投資者就很只管的找到了自己的安全區(qū)域，能對自己股票進行個簡單的操作，來降低股市對投資者的風險，使得收益大于風險收益。

那么這個價值線有沒有辦法對中長期投資者有幫助呢？

那么答案是肯定的，但并不是簡單的將預測數(shù)據(jù)增多。因為預測是有誤差的，如果用有誤差的數(shù)據(jù)去預測數(shù)據(jù)，你增多你的數(shù)量那么誤差也會相應增多，從而導致這個數(shù)據(jù)越來越偏離真實的軌跡。再加上新聞時事對股市的影響，還有其他重大事項對股票的影響那么就導致這個誤差變得很大，這個數(shù)據(jù)就不會再有真實性。

所以可以調換成周線，或者月線進行預測，把一周或者個月看成個整體，那么同理預測也可以預測到下個周期的價值線，從而來達到輔助的作用。

剛才說到了新聞時事與重大事項造成的誤差，這是不是對預測本身也會有影響呢。答案是肯定的，期間做過個小實驗，用雄安的題材股，時間采用雄安公布之前的數(shù)據(jù)進行預測，因為新聞時事與重大事項造成的漲停加大了當日的中線與價值線的誤差。所以我就可以得到，因

些非理性的因素導致的股市震蕩是不會被預測出來的，他預測只不過是在種理性市場中，對理性投資的種預測，準確度相當高。如果因為重大事項而出現(xiàn)的不正常漲跌幅，是沒有辦法預測的。但是如果這一因素可以長期影響這這股票，那么后續(xù)部分還是可以進行預測的，誤差也會縮小。多以在使用這個預測模型時，波動越大越不規(guī)律那么就要出現(xiàn)些需要預測推斷，就像上面所說的樣，要自己找下誤差的原因與地方，從而做出正確的判斷。

利用AR模型預測股票市場走勢，以及未來是否能預測期貨和外匯等證券市場的走勢，還進步有待驗證，驗證是個長期的過程，希望讀者也能和我起見證我所發(fā)現(xiàn)的這方法，會使用的讀者，也可以按照我的進行操作，可以更換你的階值等，還可以添加些其他因素使這模型更加完整，更加準確的預測股票市場未來走勢。endprint