基于极差分解理论的市场可预测性研究的中期报告.docxVIP

基于极差分解理论的市场可预测性研究的中期报告 本研究旨在基于极差分解理论，探究市场可预测性的关键因素及其影响机制。经过前期的文献综述和数据收集整理，我们现已完成了该研究的中期报告，以下是主要研究进展和发现： 一、研究方法 本研究采用了极差分解法（Range Decomposition），结合常用的时间序列分析方法，对股市数据进行了分析。具体而言，我们以国内某证券市场的日收益率为主要研究对象，选取了10年（2009年1月1日至2018年12月31日）的数据，并对这些数据进行了如下处理： 1.计算时间序列每日的收益率； 2.通过ADF单位根检验，判断数据是否为平稳时间序列； 3.根据ADF检验结果，对收益率时间序列进行差分处理； 4.根据差分后的时间序列，建立AR、MA和ARMA模型来拟合数据，以便对市场可预测性进行量化分析。 二、研究结果 1.总体趋势：市场可预测性相对较低，但存在周期性 通过对10年股市数据的时间序列分析，我们发现市场可预测性的整体水平相对较低。具体来说，我们测算出的平均可预测性为0.152，说明市场很难准确预测未来的走势。但同时，我们也发现了市场可预测性存在着周期性变动的特点。在特定时间段内，市场可预测性呈现出“起伏波动”的趋势。这一特点的存在，为我们深入探究市场可预测性的影响因素和机制提供了线索。 2.影响因素：市场流动性和市场情绪对可预测性具有重要影响 经过进一步分析，我们发现市场流动性和市场情绪是影响市场可预测性的关键因素。具体而言，市场流动性增加将显著提高市场可预测性；而市场情绪的波动则会对市场可预测性产生一定程度的影响，表现为情绪异常时市场可预测性下降，反之则上升。 3.影响机制：市场流动性和市场情绪的影响机制不同 我们进一步分析了市场流动性和市场情绪对市场可预测性的影响机制。结果显示，市场流动性对市场可预测性的影响主要表现为降低市场噪声，从而提高股价变动的可预测性。而市场情绪则通过影响投资者的交易行为，进而对市场可预测性产生影响。当市场情绪异常时，投资者很难做出理智的交易决策，导致市场失去准确的定价信号，从而降低市场可预测性。 三、下一步研究方向 基于以上发现，我们将继续深入探索市场可预测性的影响因素和机制，并进一步优化研究方法，以提高研究结果的科学性和准确性。具体来说，下一步我们将主要从以下三个方面展开研究： 1.更细致地探讨市场流动性对市场可预测性的影响机制，进一步挖掘其潜在影响因素； 2.深入分析市场情绪对市场可预测性的不同影响机制，并探讨情绪因素背后的心理学机制； 3.考察不同地理位置、不同市场类型、不同投资者群体等因素对市场可预测性的影响及其影响机制等。