基于LVQ的上证综合指数择时理论研究.pdfVIP

MY K 金融市场】 Financial Market 【 2014 年 2 月刊（总第450 期） 基于 LVQ 的上证综合指数择时理论研究 林 日冀 （华南理工大学经济与贸易学院，广东 广州 510006 ） 摘 要：利用学习向量量化（LVQ ，Learning Vector Quantization ）神经网络，构建上证综合指数择时模型；结合技术，分 析了经济基本面的变化；并在模型的输入变量中，对经济数据以及与股市本身相关的变量进行预测；进而通过判断上证 综合指数的涨跌，采取对应的进入、退出策略，以期得到优于指数的超额收益。 研究结果表明，相对于人工神经网络模型， LVQ 模型能够较好地对进行模型识别，是一种比较理想的预测模型。 关键词：择时理论；神经网络；学习向量量化（LVQ ） 中图分类号：F832.51 文献标志码：A 文章编号：1000-8772（2014 ）04-0119-02 得竞争。 因此，允许它产生一个“1” ，而其他隐含神经元都被迫 一、理论概述 产生“0”。 与包含获胜神经元的隐含神经元组相连接的输出神 1.择时理论 经元也发出“1” ，而其他输出神经元均发出“0”。 产生“1”的输出 股票的择时是预测市场以后的走势，并由此来判断调整投 神经元给输入模式的类 ，每个输出神经元被表示为不同的类 。 资组合的风险水平，从而获取更大的收益，具体表现是现金流 二、研究方法和实证结果 进出证券市场和在证券间比例变换的时机选择。 股票择时的兴 起始于上世纪 90 年代， 当时学术界关于择时方法的理论还比 LVQ 模型结合了指数 自身的变化以及经济运行状况 的特 较少。 Zhao 和 Chen（2004 ）用账面比（M/B ）作为市场时机的代理 点 ，并在模型的输入变量中考虑到 了经济数据与股市本身的参 变量，检验了美国上市公司的资产负债比例，随着公司市场价 数。 为了便于整理变量，将输入变量分为三个大类 ，分别是市场 值与账面价值比值（M/B ）的上升而单调递增，表明公司在股票 前期走势、货币环境和经济指标 。 发行时存在市场择时行为。 Hovakimia.A（2006 ）发现，纯证券交 笔者使用 SPSS.19 和 MATLAB.R2009b 两款软件 ， 做三类 易中的多种证券交易具有市场择时行为。 刘澜飙、 李贡敏 模型的分析预测。 对于多层感知器 网络，设置隐藏层数为 1，隐 （2005 ）较为全面地研究了市场择时理论在中国的适用性，表明 藏层节点数为 15，隐藏层激活函数为双曲正切函数，输出层激 中国上市公司不仅存股票市场的市场择时行为，而且存在债务 活函数为 Softmax 函数 ；对于径 向基 网络，设置 隐藏层节点数为 择时行为，即股票市场