股票价格的回归_马氏链分析与预测.docx

Ξ股票价格的回归—马氏链分析与预测胡锡健韩东朱维宝(新疆大学数学系830046)(新疆自治区证券公司)摘要本文将随机时间序列分解成趋势变动序列和马尔可夫链,建立了回归—马尔可夫组合预测模型,并对此模型编制成通用计算机程序,以此预测股票价格取到某个区间的概率分布、平稳分布,股票价格的均值以及股票价格的平均涨落时间。关键词股票价格预测回归—马氏链计算机模拟1引言股票市场风云迭起,股票价格起伏跌宕,股票投资者渴望能够准确分析和预测股票价格,以便获取丰厚的收益。各种股票价格分析预测方法应运而生1～3。虽然影响股票价格的因素包罗万象,但是在股票价格频繁变动的长期趋势中,有其基本因素起主要作用,也就是说,股票的价格既具有一定的趋势性,又受诸多随机因素的影响,而这种影响常使股票的价格波动很大,不容忽略。将这种趋势性与随机性分别予以考虑,从而建立回归—马尔可夫链组合预测模型,并以此来分析与预测股票的价格波动。2回归—马尔可夫链组合预测模型设Zt(t=1,2,,N)是一随机时间序列,首先通过作图法或检验Zt自相关系数法可识别Zt是否具有某种趋势性和随机性特征,然后通过多项式(或曲线)回归找出拟合曲线Yt,此Yt可视为Zt随时间变化的基本规律或基本变化趋势,它是t的确定性函数(具体曲线拟合可根据Zt的特征,选取不同的多项式或曲线用计算机模拟)。显然,Zt的值随时间以Yt为“轴线”上下波动。现令(t=1,2,Xt=Zt-Yt,N)(1)并对Xt所能取到的最小值m0和最大值mn所限定的区间划分成若干小区间:(m0,m1,(m1,m2,,(mn-1,mn,其中m0≤0,mn≥0,mi≥mi-1。再记Ik=(mk-1,mk,则可视Xt(t=1,2,,N)为一个Ik(k=1,n)为状态空间的随机时间序列(或称随机过程)。接下来再利用?2统计量来检验Xt以I=2,,是否具有马氏性,具体步骤如下4:用nij表示X1,X2,,XN从状态Ii经过一步转移到Ij的频数,并将频(nij)n×n的第j列之和除以各行各列的总和所得到的值记为Pδj,数矩阵即0n∑nijnijPδδi=10j=,再记:Pij=nnn∑∑nij∑niji=1j=1j=1则统计量(当n较大时)nnδ?δ2=2∑∑nij|logPij|(2)Pδji=1j=10)2),如果?δ2?2n-Α((Α(()2)1,则可认为Xt符合马氏性,否则认为不是马尔可夫链。如果验证了Xt为马氏链,则Ξ新疆教委资助项目收稿日期:1997—07—26·66·Zt=Yt+Xt就是本文所建立的回归—马尔可夫链组合预测模型。(t=1,2,N)(3)3利用回归—马氏链组合预测模型分析与预测股票价格作为实例,动情况。下面利用上述方法来分析1994年6月1日～1997年6月30日深发展A股票收盘价格的波图1深发展A股票价格趋势图设Zt是股票价格的时间序列(图1中上方的细实线所示),利用多项式回归拟合(可取不同阶次多项式进行比较)计算出Zt随时间变化的基本变化趋势为Yt=010t3-010001t2+010046t+1214112(图1中粗线所示,由图1可知选取3次多项式较合适)。令Xt=Zt-Yt(图1中下面的细实线所示),并把Xt的值域划分为6个区间(取m0=-6159,I1=I4=mn=17139,N=745)(-6159,(0,015,-1,I5=,6)I2=(-1,-015,I3=(-015,0,(015,1,(1,17139I6=那么,Xt是一个以I=Ik(k=1,2,为状态空间的随机序列。下面用?2统计量检验Xt是否具有马氏性。按照上面模型所述的方法,数矩阵为:利用Xt(t=1,,N)得到频2231174013193318311321509230210501221151126521037189(nij)6×6=6∑nijnijPδj=i=1Pδ记ij=0666∑∑nij∑niji=1j=166j=1δ?δ2=2∑∑nij|logPij得统计量令自由度为25,取置信度为Α=0101,|=1749Pδi=1j=10j?δ2≥?201查?2分布表得?201(25)=4413,(25),所以,(t=1,Xt01012,,N)符合马氏性,而{Xt,t≥1}是一个马尔可夫链,其状态空间是I={1,2,,6}。记ni为状态i出现的次数,nij为从状态i转移到状态j的次数,那么,从状态i转移到状态j的转移概率·67·Pij=nij?ni,i,j∈I,其一步转移概率矩阵为:01902012270104600102101015010740144001207010400102101005010120128001575011180104201015001027011150165701250010100100401013010570114501