基于灰色系统理论的股市大盘组合预测方法.docxVIP

基于灰色系统理论的股市大盘组合预测方法李国平 王址道摘要 ：股市大盘指数及其走势的预测是投资和证券理论界普遍关注的课题。本文在分别利用日、周、月和年作为时间单元进行灰色预测的基础上给出了一种新的股市大盘灰色组合预测方法，并以上证综指为例进行灰色组合预测， 基于灰色系统理论的股市大盘组合预测方法 李国平 王址道 摘要 ：股市大盘指数及其走势的预测是投资和证券理论界普遍关注的课题。本文在分别利用日、周、月和年作为时间单元 进行灰色预测的基础上给出了一种新的股市大盘灰色组合预测方法，并以上证综指为例进行灰色组合预测，结果验证了其有效性。 关键词 ： 灰色系统 组合预测 大盘 一、引言 上证综指和深证成指是最有代表性 的股市价格综合指数，俗称大盘，倍受投 资和证券理论界普遍关注。常松等人以上 证综指为例通过匹配追踪算法推断出中国 股市不符合随机游走模型，而是存在一定 的可预测性；中国股票市场的收益分布最 大的特征是存在胖尾，胖尾的程度介于正 态分布与Levy稳定分布之间。这个结论对 很多西方金融理论在中国股票市场的应用 敲响了警钟。我们需要寻找适合中国股市 的预测方法。基于GM(1,1)模型的灰色预 测具有少数据、允许对灰因果律进行预测 和可检验等特点，显示出独特的生命力。 灰色预测已广泛应用于社会、经济、科 技、农业等领域并取得了一系列成果。灰 色系统理论应用于股市预测的探索也已取 得一定成就。本文运用灰色数列预测为工 具；以日、周、月、年为时间单元；以一 周的各个交易日大盘指数为预测对象进行 研究,对精确可靠的灰色组合预测。选择 上证综指为研究对象。实例分析验证了该 方法的有效性。 二、GM(1,1)模型 灰色理论认为任何随机过程都是在 一定幅值范围、一定时区内变化的灰色 量。灰过程处理的主要手段是将原始数据 进行有规则地处理来寻求数据间的内在联 系，这种方法称为数的生成。最常用的是 累加生成法，它可以弱化原始数据的随机 性，使其呈现出较为明显的特征规律。对 生成变换后的数列建立微分方程型的动态 模型即灰色模型(Gary Model)，简称 GM 模型。实践中较为常用的是一阶一个变量 的灰色模型 GM(1,1)。根据股市特点，本 文拟采用 GM(1,1)模型，其方法步骤大致 为：对设原始序列进行级比检验，若不满足，则应对序列进行变换，使级比落于可容 覆盖中，作一次累加生成，由此得相应的 GM(1,1)的定义型微分方程，从而有白化型 然后对 GM(1,1)模型预测结果进行检验,主要方法有残差检验、级比偏差检验和 后验差检验。检验合格后即可由(2)反推出预测值： 三、组合预测实证分析 以上证综指 2003 年 4 月的最后一周即 4 月 28 日到 4 月 30 日共 3 天的收盘价作为 预测对象，采用灰色数列预测方法，分别以日、周、月、年为时间单元预测如下： 案例 1：以日为时间单元。取4 月 28 日前 10 个交易日数据进行预测，结果见表1。 案例 2：以周为时间单元。取 4 月 28 日前的 10 周数据进行预测，预测后一周股 指（4 月 28～30 日实际不足一周，但由于 5 月 1 日起休假，故作一周计）。 案例 3：以月为时间单元。取 4 月前的 10 个月数据进行预测。 案例 4：以年为时间单元。取 2003 年前的 10 年数据进行预测。为了便于比较，取 每年的 4 月底大盘指数作为该年度的大盘指数。用 10 年、6 年、4 年的数据进行预测 的残差（绝对值）分别为 55.93%、36.99% 和 8.1%,误差逐步递减，说明了灰色预测 对于短期预测效果好于长期预测。将上述结果汇总如下（以 4 月最后一天大盘指数作 为日、周、月、年的代表值）： 表中残差、平均残差、预测精度定义见文献[2]。一个好的预测，要求精度p95%, 投资分析 Market modernization不得小于 70% 。从表 2 看出，对于中国股市大盘（上证指数）以日、周、月为时间单元进行预测精度均达到“好”级，以年为 时间单元预测精度亦达到“合格”级，显示了灰色预测在股市预 测中的优良预测力；就某次预测效果而言，以年为时间单位的预 测精度最低，以日、周、月为时间单位的预测精度不相上下，这 也说明了灰色预测在股票短期预测中的可行性，并且若要精确 地、可靠地预测某天的大盘指数，可以用这三种方法进行组合预 测 ：由于以年为时间单元的预测精度仅合格，而以日、周、月 为时间单元的预测精度均超过 95% ，达到“好”级，相互印证 了预测的结果，故宜采用这三者进行组合预测，得到预测结果如 表 3 所示。上市公司如何进行适当信息披露梁 投资分析 Market modernization 不得小于 70% 。从表 2 看出，对于中国股市大盘（上证指数）