基于状态转移模型的我国股指期货走势预测方法.docVIP

基于状态转移模型的我国股指期货走势预测方法 　　摘要：文章应用马尔科夫状态转移模型，假定股指期货收益服从正态分布，将中国内地股指期货品种IF1103收益分为三个状态，发现80%的收益都很平稳，波动不大，且持续时间长，少数收益波动很大，持续时间很短，这与实际基本符合。 　　Abstract:In this paper, we use Markov regime switching model to assume stock index futures gain follow normal distribution, divide Chinese mainland stock index futures IF1103 income into three states and find that 80% of the revenue is very stable, volatility is low and keeps long duration; a few yields have great volatility and the duration is very short, which match the reality basically. 　　关键词：状态转移模型；股指期货；马尔科夫链 　　Key words: regime switching model；stock index futures；Markov chain 　　中图分类号：F8文献标识码：A文章编号：1006-4311（2011）17-0131-02 　　0引言 　　股指期货[1]是股票指数期货的简称，主要描述标的一组股票投资组合价值的变化，股票指数的变化等于标的股票组合价值的变化，股指期货的交易方式与普通期货类似，都是通过保证金的形式，每日结算，股指期货属于一种金融期货，在欧美国家早已兴起多年，比如美国道琼斯和斯坦普尔500指数期货，中国也在2010年5月正式启动股指期货的交易，由于是新兴市场，需要更多的预测方法对股指进行研究。 　　我们使用在国外股票市场上建立起来的理论-马尔科夫状态转移模型，它在国内外各种证券收益预测上都大量使用，如IAN W MARSH（2000）[2]通过使用该模型对外汇市场高频交易业绩进行评估，Angelos[3]研究了美国股指期货，发现转移概率是随着时间变化的，等等，国内使用该模型研究金融市场波动，股票指数走势，股票收益预测，商品期货收益预测等相关文献更是不胜枚举，在长期的实践当中，状态转换模型基本都能较好的应用到适用的地方。结合该模型研究股指期货的收益波动目前还是空白，因此我们结合国内的现状做实证分析，如果适合，即能更加证明理论的稳健性，如果不适合，也可以寻找原因以改进模型。 　　1模型构建 　　1.1 方法Hamilton[4]（1990）结合了马尔科夫链的性质和时间序列样本，创造出了一种基于状态条件下的回归模型，这个方法最开始主要用于商业周期的分析和预测[5]，该模型的核心思想就是通过假设观察值是具有多个状态，并且状态之间是可以互相转化的，转化的机制就是通过转移概率完成的，这与马尔科夫链[6]性质不谋而合，首先假设在某状态下，观察值是服从某个分布或者某个随机过程，然后通过极大然估计的方法（EM算法）[7]给出了参数估计，最后得到每个观察值所处于某个状态的概率，称作平滑概率，它们通过一步转移概率[6]的相乘相互连接，在正常情况下，一步转移概率是固定不变的，这个就可以对观察值变化进行预测，同时还可以预测观察值。 　　 　　2.1 数据来源我们以股指期货合约IF1103每日收盘价作为原始样本，它的数据较完整，数据覆盖从2010年7月12日开始到2011年2月24日结束，总计132个观察值，使用MATLAB软件绘制图像和估计参数。 　　如图1所示，股指在某日大涨随后大跌300点，在这之前的数据基本都是低位增长状态，之后出去次低的增长状态。 　　通过对原始样本处理，得到收益率如图2。 　　2.2 估计值（表1） 　　一步转移概率矩阵为P=0.990.000.210.010.720.000.000.280.79 　　其中状态1持续时间为103.15天，状态2的持续时间为3.55天，状态3的持续时间为4.84天。 　　图3~5分别表示股指期货指数处在状态1，2，3的平滑概率，同时都与指数进行比较。 　　3结论 　　在上面的结果中，我们主要发现以下几点重要信息： 　　3.1状态1均值最小，同时波动也最小，图3中有尽管有三次的状态转换，但由状态1向状态2,3转换后所持续的时间较短，因此股指期货的大部分时间都处在状态1，一旦发生大涨大跌情况，也会迅速回落到状态1，这也与中国政策导向的股市基本符合。