文/劉戀平,劉虹霓
將股票的移動平均值乘以各自權(quán)重與基準日市值k的比值再乘100得出板塊指數(shù),從而計算出板塊指數(shù)的移動平均線。在這些數(shù)據(jù)的基礎(chǔ)上使用未經(jīng)處理的ARIMA模型對板塊指數(shù)移動平均線進行預測。由于未經(jīng)處理的ARIMA模型誤差較大,又對ARIMA模型中的(p,d,q)進行修正,得出準確的ARIMA模型。本文對上證指數(shù)和光伏建筑一體化板塊指數(shù)利用Eviews軟件進行相關(guān)性分析。
我國用能和碳排放形勢嚴峻,“碳達峰”與“碳中和”成為國家與社會關(guān)注的重要議題。[1]光伏產(chǎn)業(yè)作為一種節(jié)能的新能源產(chǎn)業(yè)運用在建筑行業(yè)中,成為一種良好發(fā)展的趨勢,與之相關(guān)的股票也有不斷上漲的趨勢。本文通過對歷史數(shù)據(jù)的運算,從大體上給出該板塊的發(fā)展趨勢。
本文對37家光伏建筑一體化相關(guān)企業(yè)的股票數(shù)據(jù)進行分析,將南玻A在1992年2月28日的收盤價k作為基準日市值,當前市值由各股票的收盤價與各股票的權(quán)重相乘再累加得到,通過給出的計算公式求解板塊指數(shù)。要得出光伏建筑一體化板塊指數(shù)的移動平均線,就需要計算出光伏建筑一體化板塊指數(shù)各個時間段的移動平均值,建立板塊指數(shù)移動平均值求解模型。根據(jù)2021年光伏建筑一體化板塊指數(shù)五日的移動平均線,建立ARIMA模型,預測出2021年5月6日至5月28日數(shù)據(jù)。在沒有做任何處理的情況下,ARIMA模型預測出來的數(shù)據(jù)存在較大的誤差。在進行一定的修正得到準確的ARIMA模型后,修正的模型預測該板塊指數(shù)5月28日后20個交易日的日移動平均線、3周的周移動平均線、2個月的月移動平均線。利用2019年4月1日至2021年5月28日各只股票的收盤價、成交量計算出光伏建筑一體化板塊指數(shù)以兩個月為周期的各個時間段的移動平均值。利用2019年4月1日至2021年5月28日上證指數(shù)的數(shù)據(jù),以兩個月為周期計算出各個時間段移動平均值。最后對計算出上證指數(shù)和光伏建筑一體化板塊指數(shù)各個時間段的移動平均值數(shù)據(jù)利用Eviews軟件做相關(guān)性分析。
要得出光伏建筑一體化板塊指數(shù)的移動平均線,就需要計算出光伏建筑一體化板塊指數(shù)各個時間段的移動平均值,可以根據(jù)計算各個時間段各只股票的移動平均值乘以它們各自的權(quán)重與基準日市值k的比值再乘100得出。公式如下:
式中,SiTj表示第i只股票第j個時間段的成交總量;SiCPj表示第i只股票第j個時間段的收盤價;N表示以N天為一周期,可取5、10、20。
ARIMA方法的基本理念是,要預測的時間序列是由某個隨機過程生成的,進而可以利用過去的觀測值來推出未來的序列值。[2]考慮到板塊指數(shù)的移動平均值數(shù)據(jù)通常是缺乏平穩(wěn)性的,因此對其進行一階差分處理,使數(shù)據(jù)保持平穩(wěn)性,接著建立AR(自回歸模型)。p階回歸公式如下:
式中,yt為當前值;u為常數(shù)項;p為階數(shù);γi為自相關(guān)系數(shù);εt為誤差。
MR(移動平均模型)公式如下:
自回歸模型AR和移動平均模型MA模型相結(jié)合,就可得到自回歸移動平均模型ARMA(p,q),計算公式如下:
將自回歸模型、移動平均模型和差分法結(jié)合,就可得到差分自回歸移動平均模型ARIMA(p,d,q),其中d是需要對數(shù)據(jù)進行差分的階數(shù)。
1.d的確定
沒有做差分的數(shù)據(jù)不平穩(wěn),經(jīng)過一階差分處理過的數(shù)據(jù)變得平穩(wěn),故確定d=1。
2.p、q的確定
由PYTHON程序畫出ACF、PACF圖,如圖1、圖2所示:
圖1 ACF圖
圖2 PACF圖
可以看出,p=0,q=1,因此確定模型為ARIMA(p=0,d=1,q=1)。通過此模型預測2021年5月6日至5月28日數(shù)據(jù)圖像,如圖3所示。
圖3 2021年5月6日至5月28日板塊指數(shù)的MA5預測和實際值
在Eviews中,通過輸入上證指數(shù)和光伏建筑一體化板塊指數(shù),把光伏建筑一體化板塊指數(shù)當作解釋變量,設(shè)為x;上證指數(shù)當作被解釋變量,設(shè)為y。通過plot操作,由趨勢圖觀察出經(jīng)濟變量x、y的發(fā)展趨勢大體都是增長的,但是存在異常值,兩變量之間的關(guān)系不明顯。
再畫出回歸線去檢驗x、y的線性相關(guān)性,根據(jù)相關(guān)圖,大多數(shù)點都沒有落在回歸線上,因此基本判斷x、y變量相關(guān)類型應該是非線性的曲線相關(guān)關(guān)系。接著初步將模型設(shè)定為雙對數(shù)函數(shù)模型、對數(shù)函數(shù)模型、指數(shù)函數(shù)模型和二次函數(shù)模型,并分別從以下四個方面考慮并估計出準確的模型:
(1)回歸系數(shù)的符號、值的大?。?/p>
(2)改變模型形式之后是否使判定系數(shù)的值明顯;
(3)各個解釋變量t檢驗的顯著性(是否能通過);
(4)系數(shù)的估計誤差較小。
在Eviews命令窗口中鍵入命令來估計模型,選擇二次函數(shù)模型、雙對數(shù)函數(shù)模型、對數(shù)函數(shù)模型、指數(shù)函數(shù)模型。通過Eviews比較以上模型可見,除二次函數(shù)模型中x^2的回歸系數(shù)為負數(shù),與實際情況存在一定的偏差外,其他模型回歸系數(shù)的符號及數(shù)值較為合理,因此我們舍去二次函數(shù)模型。另外,雙對數(shù)函數(shù)模型、對數(shù)函數(shù)模型、指數(shù)函數(shù)模型的解釋變量及常數(shù)項都通過了t檢驗,模型都較為顯著。除了指數(shù)模型的擬合優(yōu)度較低外,其余模型都具有高擬合優(yōu)度,因此可以首先剔除指數(shù)模型。再檢驗雙對數(shù)函數(shù)模型、對數(shù)函數(shù)模型、指數(shù)函數(shù)模型的殘差,這三種模型的殘差在較長時期內(nèi)呈連續(xù)遞減趨勢又遞增,然后又轉(zhuǎn)為連續(xù)遞減又遞增的趨勢。而通過殘差圖比較得出,雙對數(shù)模型和指數(shù)模型的殘差落在虛線框里的比對數(shù)模型的要少,可以初步判斷雙對數(shù)函數(shù)和指數(shù)函數(shù)形式設(shè)置是不當?shù)?。另外,這兩個模型的擬合優(yōu)度也較對數(shù)模型低,所以可舍棄雙對數(shù)模型和指數(shù)模型,選擇對數(shù)函數(shù)模型。
最終確定模型為對數(shù)模型,方程如下:
通過Eviews得出y,log(x)的相關(guān)性是0.951565,是比較高的,模型是合理的。
面向“碳中和”目標的低碳轉(zhuǎn)型,將對社會經(jīng)濟系統(tǒng)和自然系統(tǒng)產(chǎn)生深遠的影響。[3]而建筑領(lǐng)域一直是碳排放大戶,在國家“碳達峰”和“碳中和”的遠景目標指引下,光伏建筑一體化具有廣闊的發(fā)展前景。
板塊指數(shù)是將同一板塊的個股按不同的權(quán)重方式生成的相關(guān)指數(shù),是對各板塊走勢的整體反映。通過對37家光伏建筑一體化相關(guān)企業(yè)的股票數(shù)據(jù)對光伏建筑一體化板塊指數(shù)的分析與預測,由繪制出的板塊指數(shù)移動平均線,我們可以看出,2019年4月1日 至2021年4月30日,板塊指數(shù)一直處于相對穩(wěn)定的動態(tài)變化之中;在交易天數(shù)約為200天的時間點,出現(xiàn)了板塊指數(shù)的一個小高峰,在這一時間段內(nèi),板塊指數(shù)雖然有所增長,但變化不大;在這個時間點往后的一段時間內(nèi),大約進入2020年,板塊指數(shù)處于動態(tài)變化中,但呈現(xiàn)出爆發(fā)式上升的趨勢;在交易天數(shù)約為430天的時間點,大約在2020年9月,出現(xiàn)了板塊指數(shù)的最高點。