光伏建筑一體化板塊投資風險評估

李龍龍 吳雨桐

摘要：本文對光伏建筑一體化板塊37家股票投資風險評估并排名，并依據(jù)所給資金給出2021年6月份最優(yōu)投資方案。首先對數(shù)據(jù)進行訓練，建立了神經(jīng)網(wǎng)絡—BP模型，但是測試發(fā)現(xiàn)存在很大偏差且訓練效果也不理想，于是將時間序列與收盤價進行一階擬合得到多項式擬合模型，最后利用matlab程序計算出各支股票的價值參數(shù)和風險參數(shù)，以風險參數(shù)作為6月份的投資風險評估指標。

關鍵詞：板塊指數(shù);神經(jīng)網(wǎng)絡-BP模型;多項式擬合

一、緒論

光伏建筑一體化（BIPV）是充分利用工業(yè)建筑、公共建筑屋頂?shù)荣Y源實施分布式光伏發(fā)電工程，它對我國實現(xiàn)“碳達峰”和“碳中和”起到重要作用?，F(xiàn)統(tǒng)計滬深股市中 37 家光伏建筑一體化相關企業(yè)的股票數(shù)據(jù)，將他們看作一個整體稱為光伏建筑一體化板塊。光伏建筑一體化板塊作為新興板塊，通過對光伏建筑一體化板塊個股投資風險進行評估，給出該板塊37支股票2021 年6月份投資風險由低到高的排序結果。然后依據(jù)投資風險設計出了一個最優(yōu)的投資方案。

二、模型的建立與求解

本文需要對37支股票投資風險[1][2]進行由低到高的排序。以南玻A的股票為例進行分析處理預測，建立神經(jīng)網(wǎng)絡—BP模型[3][4]進行預測。

Step1：數(shù)據(jù)預處理

將南玻A的交易時間、開盤價、最高價、最低價、收盤價以及成交量導入到新的Excel表格中，并添加此日收盤價數(shù)據(jù)。

訓練集：我們將除過最后50組之外的的數(shù)據(jù)作為訓練集，用做以擬合函數(shù)的參考依據(jù)。

測試集：我們將最后50組數(shù)據(jù)用來測試訓練好的模型的預測能力。

Step2：輸入輸出層設計

該模型以開盤價、最高價、最低價、收盤價、此日收盤價以及成交量作為輸入，以次日收盤價作為輸出，所以輸入層節(jié)點為6，輸出層節(jié)點為1。

Step3：隱含層設計

本文采用含有兩個隱層的四層多輸入單輸出的BP網(wǎng)絡建立預測模型。在選取隱層神經(jīng)元個數(shù)的問題上參照了以下的經(jīng)驗公式：

根據(jù)上式可以計算出神經(jīng)元個數(shù)為4-13個之間，在本次實驗中選擇隱層神經(jīng)元個數(shù)為5和4。

Step4：選取激勵函數(shù)，選取traingdm作為輸出層神經(jīng)元的激勵函數(shù)。

Step5：模型的實現(xiàn)

（1）首先我們使用matlab繪制出南玻A公司股票收盤價的變化趨勢圖。

（2）好訓練參數(shù)，開始訓練，經(jīng)測試訓練結果訓練效果不佳，我們改進算法。

Step6：我們將時間序列與收盤價進行一階多項式擬合，建立多項式模型[5]

Step7：利用matlab進行在95%的置信水平下進行多項式模型擬合，得到多項式模型如下：

擬合圖像如圖1所示：

分析結果為：SSE： 2.131e+04;R-square： 0.5664;Adjuste d R-square： 0.5664;RMSE： 1.744

模型的可決系數(shù)，擬合效果較好。

Step8：我們以方程斜率作為評價該股票的價值參數(shù)（value），以最大回撤函數(shù)計算出第二日最大虧損率作為評價該股票風險參數(shù)（risk）。在matlab中計算出當前值。

Step9：分別計算37家股票的價值參數(shù)和風險參數(shù)

若value值為負，說明該股票價值不高，不可長期持有，risk值越小股票短期操作價值越高。因此，此處我們選擇以風險參數(shù)（risk）為評估標準，評估給出該板塊 37 支股票2021年6月份投資風險：結果如圖2所示：

Step10：投資方案的制定

制定2021年6月份投資方案，為短線投資，我們以風險參數(shù)（risk）作為股票選擇的標準，即我們選取排名前五名的股票。

三、模型評價

多項式擬合建模迅速，對于小數(shù)據(jù)量、簡單的關系很有效，線性回歸模型十分容易理解，有利于決策分析。但是多項式擬合對于非線性數(shù)據(jù)或者數(shù)據(jù)特征間具有相關性多項式回歸難以建模，難以很好地表達高度復雜的數(shù)據(jù)。

參考文獻：

[1]許少雄.大數(shù)據(jù)與個人股票投資風險優(yōu)化的思考[J].商訊，2019（26）：95-96.

[2]畢秋香.股票投資風險收益關系的實證分析[J].華南金融研究，2002（04）：31-34.

[3]侯媛彬， 杜京義， 汪梅.神經(jīng)網(wǎng)絡[M]，西安電子科技大學出版社.

[4]肖靜， 鄒傳平， 鄭冬喜. 淺談BP神經(jīng)網(wǎng)絡預測模型[J]. 科技資訊，2006（34）：9. DOI：10.3969/j.issn.1672-3791.2006.34.007.

[5]吳玲玲， 馮再勇， 張軼， 謝小韋.基于多項式擬合的大型風電場運行狀況分析[J].科技創(chuàng)新與應用，2021（09）：60-62.

作者簡介：李龍龍（1998.02-），男，漢，甘肅慶陽人，本科