張竑魁

摘 要：股票價(jià)格的走勢(shì)會(huì)影響到上市公司未來(lái)的發(fā)展以及投資者決策。基于二元Logit回歸模型，利用上證綜指大盤數(shù)據(jù)預(yù)測(cè)新疆板塊股票價(jià)格走勢(shì)。實(shí)證結(jié)果表明：上證綜指收盤價(jià)和交易金額對(duì)新疆板塊股票價(jià)格的影響是顯著的，并且利用所建立的Logit模型對(duì)新疆板塊股票價(jià)格走勢(shì)的預(yù)測(cè)較為準(zhǔn)確。

關(guān)鍵詞：新疆股市；上證綜指；Logit回歸模型

中圖分類號(hào)：F83

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.1672-3198.2016.08.051

1 引言

隨著援疆政策的實(shí)施以及“絲綢之路經(jīng)濟(jì)帶”戰(zhàn)略構(gòu)想的提出，新疆經(jīng)濟(jì)的發(fā)展取得了巨大進(jìn)步。自1994年2月新疆首家公司新宏信（今宏源證券）在深圳證券交易所掛牌交易以來(lái)，經(jīng)過(guò)20多年的發(fā)展，新疆上市公司已達(dá)43家，總市值已超過(guò)7000多億。新疆板塊股市的表現(xiàn)可以從側(cè)面反映新疆經(jīng)濟(jì)的發(fā)展?fàn)顩r，因此了解新疆板塊股票價(jià)格走勢(shì)情況，具有重要的現(xiàn)實(shí)意義。

在股票價(jià)格預(yù)測(cè)方面，有兩種方法較為常用。一種是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法，另一種是支持向量機(jī)。在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方面，李響（2008年）利用神經(jīng)網(wǎng)絡(luò)對(duì)單個(gè)股票價(jià)格走勢(shì)進(jìn)行了預(yù)測(cè)。林倩瑜、馮少榮、張東站（2010年）把神經(jīng)網(wǎng)絡(luò)和模式識(shí)別兩種方法相結(jié)合。劉海玥、白艷萍（2011年）把AR模型和神經(jīng)網(wǎng)絡(luò)相結(jié)合。薛佳佳（2012年）把灰色GM（1，1）模型和神經(jīng)網(wǎng)絡(luò)模型相結(jié)合。

在支持向量機(jī)預(yù)測(cè)方面，楊新斌、黃曉娟（2010年）利用支持向量機(jī)對(duì)股價(jià)預(yù)測(cè)進(jìn)行仿真實(shí)驗(yàn)，實(shí)證結(jié)果表明支持向量機(jī)在預(yù)測(cè)精度上要優(yōu)于神經(jīng)網(wǎng)絡(luò)。王晴（2010年）把自回歸模型與支持向量機(jī)相結(jié)合。楊震（2012年）把統(tǒng)計(jì)學(xué)與支持向量機(jī)結(jié)合。龍真真、張正文（2014年）把SVM模型和支持向量機(jī)結(jié)合。李坤、譚夢(mèng)羽（2014）將小波分解與支持向量機(jī)方法相結(jié)合。

Logit模型在社會(huì)學(xué)中應(yīng)用較多，但也有學(xué)者開始把Logit模型應(yīng)用到股市中。程海波（2009年）利用Logit模型對(duì)上市公司財(cái)務(wù)指標(biāo)和超額收益率進(jìn)行了研究，結(jié)果表明，以上市公司財(cái)務(wù)指標(biāo)為變量，預(yù)測(cè)股票是否存在超額收益率具有良好的效果。易寧明、周文強(qiáng)、何鳴（2011年）運(yùn)用Loigt模型檢驗(yàn)了技術(shù)交易規(guī)則在中國(guó)股票市場(chǎng)上的有效性。

本文借鑒學(xué)者們的理論成果和方法，在構(gòu)建二元Logit模型的基礎(chǔ)上，利用上證綜指大盤數(shù)據(jù)對(duì)新疆板塊股票價(jià)格走勢(shì)進(jìn)行預(yù)測(cè)。以期為新疆上市公司以及投資者們?cè)陉P(guān)注新疆股市時(shí)提供科學(xué)依據(jù)。

2 數(shù)據(jù)、變量及方法

2.1 樣本概況

本研究所用數(shù)據(jù)來(lái)源于同花順數(shù)據(jù)庫(kù)，所用數(shù)據(jù)主要是上證綜合指數(shù)收盤價(jià)、交易金額、交易總手、新疆板塊43只股票收盤價(jià)，數(shù)據(jù)時(shí)間跨度是從2015年1月5號(hào)到5月29號(hào)，數(shù)據(jù)形式為每天每五分鐘交易數(shù)據(jù)。

新疆總共有43家上市公司，第一產(chǎn)業(yè)有13家，占總行業(yè)的30.23%，第二產(chǎn)業(yè)有24家，占55.18%，第三產(chǎn)業(yè)6家，占13.95%，綜合類一家，占2.33%。由此可知，新疆作為我國(guó)欠發(fā)達(dá)地區(qū)，經(jīng)濟(jì)的發(fā)展主要還是依靠第二產(chǎn)業(yè)和第一產(chǎn)業(yè)。

中國(guó)股市從2015年1月5號(hào)到5月29號(hào)，這段期間處于大牛市。其中上證綜指收盤價(jià)從1月5號(hào)的3258.63一路飆升到5月29號(hào)的4607.93點(diǎn)。交易金額和交易總手也是大幅上漲。

2.2 變量選取及設(shè)定

本研究主要利用大盤數(shù)據(jù)預(yù)測(cè)新疆板塊股票價(jià)格整體走勢(shì)，為了衡量新疆板塊股票價(jià)格的整體增降，我們選取了新疆43只股票每五分鐘的最高價(jià)和最低價(jià)求其平均值，然后對(duì)43只股票每五分鐘股價(jià)的平均值求其上四分位點(diǎn)，利用下一期上四分位點(diǎn)除以上一期上四分位點(diǎn)得到的值代表新疆板塊整體股價(jià)的增與降，大于1代表新疆板塊整體股價(jià)在增，小于等于1代表新疆板塊整體股價(jià)在降，把增的記為1，降的記為0，使其成為二元變量，作為因變量，用Y表示。上證綜指交易總手、交易交額、收盤價(jià)三個(gè)方面的數(shù)據(jù)分別滯后一階、二階和三階，構(gòu)造了9個(gè)自變量。其中交易總手滯后一階、二階和三階用變量X11、X12、X13表示，交易金額滯后一階、二階和三階用變量X21、X22、X23表示，收盤價(jià)滯后一階、二階和三階用變量X31、X32、X33表示。每個(gè)自變量的取值小于下四分位點(diǎn)記為1，大于下四分位點(diǎn)小于上四分位點(diǎn)記為2，大于上四分位點(diǎn)記為3。

2.3 模型選擇

Logit模型根據(jù)因變量的取值情況，可以大致分為兩類，一類是二元Logit模型，另一類是多元Logit模型。本研究分析的是新疆板塊股票的整體走勢(shì)，升取值為1，降取值為0，滿足了二元Logit回歸模型的要求。二元Logit模型核心思想是要判斷一種現(xiàn)象是否發(fā)生的概率大小。因變量可以取0或1，當(dāng)取1時(shí)，就是對(duì)象發(fā)生的概率，取0時(shí)，也就是對(duì)象不發(fā)生的概率。

Logit模型的一般表達(dá)式為：

ln（Pi1-pi）=yi=α+βxi（1）

由上式可知回歸方程的因變量是某個(gè)具體選擇概率比的對(duì)數(shù)。Logit函數(shù)具有以下兩個(gè)重要特點(diǎn)：第一個(gè)是當(dāng)Xi的取值較小且逐步減小時(shí)，Pi趨近0的速度會(huì)越來(lái)越慢；反過(guò)來(lái)隨著Xi的取值較大且逐步增大時(shí)，Pi接近1的速度也越來(lái)越慢。而當(dāng)Xi取值中等且增加較快時(shí)，Pi的變化會(huì)比較快。Pi與Xi之間應(yīng)呈非線性關(guān)系。第二個(gè)是Pi的變化始終在0和1之間。

3 實(shí)證分析

本文基于R軟件，利用逐步回歸法建立Logit回歸模型，在模型中，不顯著的自變量直接去除。最終模型回歸結(jié)果如公式2所示：

Y=0.658-0.034X21+0.034X22+0.17X31-0.18X32（2）

其中模型的LR chi2統(tǒng)計(jì)量為86.67，模型的Psendo R2 統(tǒng)計(jì)量為0.345，這說(shuō)明本研究建立的模型統(tǒng)計(jì)是顯著的。

（1）通過(guò)公式2可知，表示上證指數(shù)交易金額滯后一階和滯后二階的變量X21和X22對(duì)因變量Y的發(fā)生概率的影響是顯著的，但回歸系數(shù)符號(hào)相反，分別為-0.034和0.034。從數(shù)值來(lái)看，這說(shuō)明交易金額滯后一階和二階對(duì)因變量Y的發(fā)生概率影響不大。表示上證綜指收盤價(jià)滯后一階和滯后二階的變量X31和X32對(duì)因變量Y的發(fā)生概率的影響是顯著的，但回歸系數(shù)符號(hào)相反，分別為0.17和-0.18。從數(shù)值上看，上證綜指收盤價(jià)對(duì)新疆股票價(jià)格的影響要大于交易金額。

（2）為了利用此模型對(duì)新疆板塊股票價(jià)格進(jìn)行預(yù)測(cè)，首先檢驗(yàn)此模型預(yù)測(cè)的準(zhǔn)確性。對(duì)訓(xùn)練樣本進(jìn)行準(zhǔn)確率測(cè)度。訓(xùn)練樣本數(shù)總共4974個(gè)，代表新疆整體股票上升的有4889，占總樣本的98.27%，代表新疆整體股票下降的有185個(gè)，占樣本總量的3.72%。最終預(yù)測(cè)結(jié)果顯示，股票上升被誤判為下降的有1089個(gè)，下降的被誤判為上升的有93個(gè)，總誤判率為23.76%。但是在股票投資中，以風(fēng)險(xiǎn)較小化的投資思想。投資者主要規(guī)避的看漲的股票反而降。通過(guò)以上可知，把股價(jià)降的判斷為增的有93個(gè)，占總樣本的1.86%，這說(shuō)明此模型犯錯(cuò)幾率較小。

（3）在測(cè)試樣本中選取一個(gè)時(shí)間點(diǎn)，以此時(shí)間點(diǎn)為基準(zhǔn)，往后每五分鐘一個(gè)測(cè)試點(diǎn)，總共選取10個(gè)測(cè)試點(diǎn)。統(tǒng)計(jì)結(jié)果顯示，處了第一個(gè)測(cè)試點(diǎn)被完全誤判，其余測(cè)試點(diǎn)被誤判的概率都小于50%。其中對(duì)第四個(gè)測(cè)試點(diǎn)（基準(zhǔn)點(diǎn)下20分鐘）預(yù)測(cè)的準(zhǔn)確率最高，準(zhǔn)確率為75%。

4 結(jié)束語(yǔ)

通過(guò)模型預(yù)測(cè)結(jié)果可知，本文所建立的二元Logit模型對(duì)新疆板塊股票價(jià)格走勢(shì)的預(yù)測(cè)精度達(dá)到了預(yù)期目的。

參考文獻(xiàn)

[1]李響.基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)[J].大連海事大學(xué)學(xué)報(bào)，2008，（S1）：114-116.

[2]林倩瑜，馮少榮，張東站.基于神經(jīng)網(wǎng)絡(luò)和模式匹配的股票預(yù)測(cè)研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2010，（05）：17-20+25.

[3]劉海玥，白艷萍.時(shí)間序列模型和神經(jīng)網(wǎng)絡(luò)模型在股票預(yù)測(cè)中的分析[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2011，（04）：14-19.

[4]薛佳佳.基于差值灰色RBF網(wǎng)絡(luò)模型股票指數(shù)預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2012，（22）：77-79.

[5]楊新斌，黃曉娟.基于支持向量機(jī)的股票價(jià)格預(yù)測(cè)研究[J].計(jì)算機(jī)仿真，2010，（09）：302-305.

[6]王晴.組合模型在股票價(jià)格預(yù)測(cè)中應(yīng)用研究[J].計(jì)算機(jī)仿真，2010，（12）：361-364.

[7]楊震.基于后效時(shí)間長(zhǎng)度的股票價(jià)格預(yù)測(cè)[J].計(jì)算機(jī)仿真，2012，（02）：378-381.

[8]龍真真，張正文.基于模糊核超球的快速分類算法在股票預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，（01）：197-201+148.

[9]李坤，譚夢(mèng)羽.基于小波支持向量機(jī)回歸的股票預(yù)測(cè)[J].統(tǒng)計(jì)與決策，2014，（06）：32-36.

[10]程海波.股票投資價(jià)值的logit模型研究——對(duì)滬市A股制造行業(yè)的實(shí)證分析. [C].中國(guó)會(huì)計(jì)學(xué)會(huì)，2009：8.

[11]尹宇明，周文強(qiáng)，何鳴.中國(guó)股市技術(shù)交易規(guī)則有效性的計(jì)量分析——以長(zhǎng)期橫盤形態(tài)為例[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2011，（06）：81-86.