拐点识别应用的进一步研究.PDF

莫尼塔专题研究•市场量化分析 2011 年 6 月 29 日星期三  拐点识别应用的进一步研究    莫尼塔数量组 赵延鸿 博士 021 yhzhao@ 张梦生 021 mszhang@ 钟奇 博士 021 qzhong@ 马昀 博士 021 yma@ 2011年6月 莫尼塔 (上海)投资发展有限公司 1 本研究报告中所提供的信息仅供参考。报告根据国际和行业通行的准则，以合法渠道获得这些信息，尽可能保证可靠、准确和完整，但并不保证报告所述 信息的准确性和完整性。本报告不能作为投资研究决策的依据，不能作为道义的、责任的和法律的依据或者凭证，无论是否已经明示或者暗示。 报 告 概 要 在之前《A 股拐点识别与应用》的专题报告中我们提出一种普遍适用于任何时间序列的 拐点识别算法，并在其基础上对 A 股及全球主要股市的拐点规律做了简单统计。篇幅 和时间所限，其中某些问题还有进一步挖掘的空间，这里我们利用拐点识别算法对股市 波段特性进行了进一步分析，主要回答以下几方面的问题： 1．目前实际计算出的拐点分布（从拐点数量上看）是否具有一定特点，例如是否等于 平均水平，抑或是高于还是低于？另外这种特点是否是普遍的，对 A 股和美股是否有 相同的结果？ 2．按照给定涨跌幅输入参数找到的所有波段，其幅度是如何分布的？A 股和美股的情 况分别是怎样的？在不同参数下结果是否具有一致性等？ 3. 根据历史规律，大盘出现明显行情时，各板块也会相应做出反应，但启动时点不 一，有的板块会提前启动，有的则会一定程度延后。这里利用拐点识别算法统计历史上 各板块的行情相对大盘提前还是延后，以及提前延后程度。 莫尼塔(上海)投资发展有限公司 2 2011 年 6 月 29 日 拐点分布的进一步观察 为了考察我们所观察到的拐点数相比平均情况是偏多还是偏少，这里随 机模拟了1000条上证综指的走势，并对这1000条随机走势的拐点数进行 了一一计算。 首先定义一下“平均”的含义，我们构造随机走势的方法是将上证综指 自05年初到现在的日度收益率序列进行重排，即随机产生这些日度收益 率的排列顺序，每一种新的排列顺序就对应一条“新”的上证走势。这 种做法相比纯粹随机生成一条序列优点在于可以保留上证综指自身的历 史特性，例如历史上几次大涨大跌的行情、以及日度收益率的分布等都 很容易保留。另一方面，也只有这种方法才能和美国股指的情况进行比 较，否则纯粹随机生成的序列特点也必定相同