基于RBF神经网络对价值投资理念在中国股票市场有效性研究.docVIP

基于RBF神经网络对价值投资理念在中国股票市场有效性研究 　　 摘要:本文首先从价值投资理念的概念出发,介绍并分析了目前国内外学者对这类问题研究的情况,针对股票市场的非线性特征引入RBF神经网络概念。在接下来的实证分析部分,为了最大限度地减少实验分析的误差,选取沪、深股市中的百货商场行业作为研究对象,通过聚类分析并最终选取4家财务状况最接近的公司作为分析对象,借助神经网络理论中的RBF网络作为分析工具,通过对这几家公司的主要财务指标与财务指标公布后影响收盘价波动的平均值之间关系进行分析并验证,得出相关结论。 　　 关键词:价值投资;聚类分析;RBF神经网络 　　 　　 1. 引言 　　 随着我国股票市场的不断发展,越来越多的投资理念充斥着市场,成为投资者进行投资决策的依据,但其中的许多投资理念来自国外比较成熟的证券市场。这些理念对于中国的股票市场是否有效呢?本文试图运用RBF神经网络理论检验价值投资理念在中国股票市场的有效性。 　　 1.1价值投资理念 　　 价值投资理念,就是通过对股票内在价值的分析,与股票目前的价格相比较,从而决定买卖股票的一种投资理念。价值投资的实质就是通过对公司基本面的分析而采取相应投资策略的一种投资决策方法。 　　 1.2 国内外研究动态 　　 国外对价值投资理论研究的主要是对价值投资能否取得超额收益与超额收益的来源,而由于这一理念在国外提出的较早,并且价值投资的理念在实践中已被广大的投资者所接受并认可,甚至已经创造出惊人的成绩,所以,在国外,对价值投资理念在股票市场的有效性研究很少。 　　 而在国内,对于价值投资理念在中国股市是否适用的问题上,形成了两种相反的观点。孙友群等人分析了我国的宏观经济状况和上市公司的微观状况,认为价值投资在中国股市具有极大的应用可能性和可行性。林斗志认为我国股市股票内在价值对股票价格的决定作用呈增强趋势,价值投资理念在市场中逐步形成,但市场还不够稳定,受非理性因素的冲击较大。但是同时也有部分学者认为价值投资理念在中国行不通。 　　 本文利用神经网络这一研究非线性问题的工具来研究价值投资理念在中国股票市场的有??性问题。 　　 2. 股票市场的非线性特征与RBF神经网络的适用性 　　 2.1 股票市场的非线性特征 　　 股票市场是一个混沌的市场,具有很强的非线性特征:(1)对影响股市波动相同的因素来说,根据其对股市造成影响的时间不同,每次该项因素对股市影响的程度也不同,这与线性系统的特征是不相符的,这也就说明了股票市场的非线性性。(2)股票市场波动的突发性和剧烈程度,足以说明股票市场的非线性性。 　　 通过以上可以看出股票市场存在非线性的特征,利用一般的线性分析工具来研究股票市场对研究结果将会造成很大的偏差,但神经网络理论作为一种处理非线性问题的,以其自身的特点,可以很好的将其运用于解决此类问题。 　　 2.2 RBF神经网络适用性 　　 2.2.1 人工神经网络的特点 　　 人工神经网络是由大量神经元的信息处理单元构成,其主要原理是模拟生物神经元之间的激励过程,通过这一复杂的过程来完成一系列的相关任务。神经网络具有以下显著特点: 　　 (1)、具有自适应性,有强大的自主学习能力,可以通过训练样本并根据样本信息及周围环境变化改变自身的网络结构,从而使自身能够以最有效的形式来模拟训练样本所隐含的环境。 　　 (2)、能从训练样本中获取知识,并具有很好的记忆特征,可以用于处理一些环境复杂,推理并不明确的问题。 　　 (3)、在非线性时间序列预测中,人工神经网络实现了非线性关系的隐式表达,不需要建立复杂系统的显示关系式,这也就是说我们可以在不知道具体函数关系式的前提下运用人工神经网络进行预测。 　　 (4)、神经网络的容错性强,可以处理信息不完全的预测问题。 　　 (5)、由于神经网络具有一致逼近的能力,训练后的神经网络在样本点上输出期望值(误差在允许范围内),在非样本点上表现出神经网络的联想记忆功能。 　　 2.2.2 RBF神经网络的原理 　　 RBF是一种三层前向网络,包括输入层、隐含层和输出层,它的主要特点是隐含层神经元的输出函数是具有径向基对称的基函数。第一层为输入层,由大量输入数据组成,第二层为隐含层,隐含层由许多类似高斯函数的函数构成,对输入端进行加工,而输出层一般是简单的线性函数。 　　 RBF网络一般采用Gause函数作为基函数,被定义为: 　　 其中,Ci和σi(i=1,2,……n,n为隐含层节点个数)分别是隐含层第i个单元径向基函数中心和宽度。 　　 由以上可知,神经元的权值Ci确定函数的中心,例如,当输入X与Ci重合时,函数输出达到最大值,当输入X距离Ci越远时,输出就越小。σi决定了函数的宽度,当