股票资金流强度实证分析.docVIP

股票资金流强度实证分析 　　摘要：由于很难从相同金额的“资金流向”判断其对流通市值不同的个股的影响强度，“股票资金流强度”的概念为解决上述问题而被提出。本文引入股票资金流强度的概念，应用Matlab软件及其数学公式计算出相对资金流强度时间序列，使用ARMA模型对招商银行资流强度的历史数据（2013-03-05到2013-08-16）建模并预测。预测结果可以看出预测误差很小。该模型对股票资金流强度的预测有一定的指导作用，能够较好的反映股票资金流强度的变化特征。 　　关键词：资金流；股票资金流强度；ARMA模型；时间序列 　　1引言 　　中国股票市场作为社会主义市场经济活动中极为重要和最为复杂的金融领域之一，是现代经济系统的核心组成部分，是中国经济研究的热点领域。股价和成交量是股票市场上的两个最为根本的变量，而现代金融的核心问题之一就是定价问题，所以对股票市场的研究几乎都是以股价为核心，而且已有大量的研究成果，相比之下，虽然对成交量的研究比较少，但也有相当的成果。然而资金（成交额）是股票市场的唯一驱动力，目前国内外学者虽然对量价关系也进行了大量研究，但多数研究都未把成交量与股价真正结合起来，为了更全面地洞察股票市场的市场信息变化和运行趋势，国内学者唯一提出了股票资金流强度的概念，并研究了其编制方法[1]。股票资金流强度的提出弥补了相同金额的资金流向对于流通市值不同的股票影响强度不同的缺憾。股票资金流强度定义为个股的相对成交额，可以在个股之间进行影响力的横向对比，从而判断出个股间成交资金的相对强弱。本文将对股票资金流强度这个新的金融时间序列进行相关的实证分析。 　　2股票资金流强度的概念 　　股票资金流强度（Strength of Stock Fund Flows）定义为周期内个股的相对成交额，也就是个股成交额与其（参照）流通市值的比值以m为周期的个股的股票资金流强度简记为SOSFF（m）。用数学等式描述为： 　　SOSFF（m）=∑ni=1Pi-PP×QiQ=AP-PP×TR 　　其中：Pi为个股某次成交价，P为个股某一交易周期内的参照价，Qi为个股某次成交量，Q为个股流通量。AP为周期内成交均价，TR为周期内总换手率。 　　3ARMA模型相关理论 　　31 模型的理论介绍 　　ARMA（p，q）模型[2]是由美国统计学家Box G E P和英国统计学家Jenkins G M在二十世纪七十年代提出的时间序列分析模型，即自回归滑动平均模型，它是由自回归和滑动平均两部分共同构造的随机过程，是用于描述平稳时间序列的、使用最广泛的一种比较成熟的时间序列模型。ARMA（p，q）的一般表达式为： 　　yt=∑pi=1φiyt-i-∑qi=1θiεt-i+εt 　　其中：p为自回归模型的阶数；q为滑动平均模型的阶数；εt为残差；yt为观测值。当q=0时，ARMA（p，q）成为AR（p）模型，当p=0时，ARMA（p，q）成为MA（q）模型。 　　32 建模步骤 　　ARMA模型能够对实际建模起到指导作用，具体建模步骤如下： 　　（1）对该序列进行平稳性检验。 　　（2）计算出序列的自相关系数和偏自相关系数，并根据AIC准则确定ARMA模型的阶数p和q。 　　（3）最小二乘法估计ARMA模型中的未知参数。 　　（4）检验模型的有效性。即对残差的白噪声检验。 　　（5）利用拟合好的模型预测将来走势。 　　4对招商银行的股票资金流强度序列的实证分析与预测 　　选取股票代码为600036的招商银行2013-03-05到2013-08-16的股票数据，根据股票资金流强度的编制公式进行计算，得出招商银行在此时段的计算周期为15个交易日的股票资金流强度时间序列，共计111个样本[3-7]。数据来源于通达信软件，以Eviews70软件为分析工具。 　　41 股票资金流强度时间序列的统计特征。下图为招商银行股票资金流强度折线图，记为图1。表1是股票资金流强度的统计性描述。表中列出了股票资金流强度的基本统计性。可以看出资金流强度的偏度是16056，为左偏，峰度为48336高于正态分布的峰度值3。JB统计量为632440，说明股票资金流强度具有尖峰厚尾的特征。 　　表1 股票资金流强度描述性统计 　　样本数量均值标准差偏度峰度JB统计量 　　1111720982187741605648336 　　632440 　　图1 2013年3月5日至2013年8月6日招商银行股票资金流强度趋势 　　42 数据的平稳性检验（ADF单位根检验）。招商银行股票资金流强度序列的平稳性检验结果如图2所示： 　　图2 招商银行股票资金流强度的ADF检验 　　ADF检验的原假设是序列存在一个单位根。而检验结果显示：ADF Te