鄧軍

摘 要：作為一個復(fù)雜多變的混沌系統(tǒng)，如何對股票市場進(jìn)行預(yù)測一直是人們關(guān)注的問題。利用股票基本信息、時間序列模型結(jié)果、投資者關(guān)注度和投資者情緒對股價波動三步SVM預(yù)測，提出一種能預(yù)測股票價格波動的SVM算法。研究結(jié)果表明，與僅用基本面信息的SVM預(yù)測相比，加入GARCH模型和時間序列分析可以提高支持向量機(jī)的預(yù)測，精度改善預(yù)測模型。同時，通過添加相關(guān)指標(biāo)——投資者情緒與投資者關(guān)注度，可以使SVM預(yù)測進(jìn)一步提高。此外，與牛市和熊市相比，震蕩市中投資者情緒和投資者關(guān)注度指標(biāo)對SVM預(yù)測精度的影響更大。

關(guān)鍵詞：股價波動分析；GARCH；SVM；投資者情緒；投資者關(guān)注度

中圖分類號：F830.91 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2017）06-0056-02

股票市場是一個多變的非線性混沌系統(tǒng)。預(yù)測股票市場價格的波動分析一直是不同學(xué)者的研究熱點(diǎn)，近幾年的預(yù)測算法的興起也從側(cè)面反映了這個趨勢。但是，這些研究方法的理論基礎(chǔ)無外乎是經(jīng)典統(tǒng)計學(xué)理論——大數(shù)定律和中心極限定理，而這就存在所需樣本數(shù)趨于無窮大，有限樣本和現(xiàn)實(shí)問題的矛盾。

支持向量機(jī)（SVM）是基于傳統(tǒng)的統(tǒng)計學(xué)理論，與追求經(jīng)驗(yàn)風(fēng)險最小化的傳統(tǒng)學(xué)習(xí)方法不同，其解決了有限樣本的問題。在利用SVM算法進(jìn)行股價漲跌預(yù)測中，如何選擇預(yù)測的輸入變量是決定預(yù)測結(jié)果的關(guān)鍵，這意味著不僅要找到影響個股漲跌的因素，還要將其量化為具體的指標(biāo)。在已有的股票價格形成機(jī)制相關(guān)研究中，個股價格的影響因素主要有：宏觀經(jīng)濟(jì)情況、個股基本面情況、個股歷史漲跌狀況、政策變化和主力資金的進(jìn)出等，這些影響股票價格的宏觀因素主要包括經(jīng)濟(jì)增長、通貨膨脹、匯率、貨幣政策和利率等。很多學(xué)者的研究結(jié)果表明，這些宏觀經(jīng)濟(jì)因素會對股市的大盤產(chǎn)生影響。因此，本文將大盤情況作為度量宏觀經(jīng)濟(jì)在股市影響的指標(biāo)?；久媲闆r和個股歷史行情可以通過觀測個股的相關(guān)數(shù)據(jù)來直接考慮，同時通過建立合適的時間序列模型可以從一定程度上反映個股價格的變化趨勢。本文以大盤股為研究對象，選取的變量包括大盤信息、股票本身信息、利用GARCH等時間序列模型的初步預(yù)測結(jié)果和投資者情緒等相關(guān)指標(biāo)，力圖找出一種更適合股價漲跌預(yù)測的SVM方法。

一、預(yù)測方法

本文采用支持向量機(jī)（SVM）的算法。按照股票市場股票價格的波動劃分為不同的預(yù)測區(qū)間，即牛市、熊市和震蕩市。在不用的研究區(qū)間分別建模進(jìn)行如下三次預(yù)測：（1）將大盤和股票本身的基本面信息作為輸入變量對股價漲跌進(jìn)行第一次預(yù)測；（2）利用GARCH等合適的較為常見的時間序列模型對每日的收益率曲線進(jìn)行擬合，獲得大致的收益率曲線，加入若干變量進(jìn)行第二次預(yù)測；（3）繼續(xù)加入投資者的相關(guān)指標(biāo)進(jìn)行第三次預(yù)測。

通過三次不同預(yù)測結(jié)果的比較，可以看出在股票市場中，主觀的投資者的相關(guān)指標(biāo)對股價的波動影響，而通過控制時間段變量又可以看出不同預(yù)測方法的有效性問題。本文運(yùn)用了臺灣大學(xué)林智仁教授等人開發(fā)的基于MATLAB的SVM模式識別與回歸的軟件包LIBSVM進(jìn)行預(yù)測，基本預(yù)測方法按照其指示。

本文隨機(jī)選取了三只股票進(jìn)行分析，三只股票的預(yù)測步驟較為煩瑣，并且預(yù)測過程大體相同，因此本文只列出最后的訓(xùn)練集和預(yù)測集的預(yù)測精度。

二、實(shí)證分析

（一）選擇數(shù)據(jù)并進(jìn)行處理

本文通過隨機(jī)數(shù)生成器，隨機(jī)選取了A股上市企業(yè)，共63只，然后利用MATLAB從數(shù)字1—63中隨機(jī)選出三字?jǐn)?shù)字：7、18、43，找到其對應(yīng)序號的3只股票，分別為中國平安（A股代碼601318）、東方電氣（A股代碼600875）、金隅股份（A股代碼601992），選取2015年3月7日至2015年12月7日這三家上市公司在A股的交易數(shù)據(jù)，及同交易日滬深300指數(shù)的交易數(shù)據(jù)183組，按照3只股票的價格波動情況，可將其劃分為常見的熊市、震蕩市和牛市，在每個時間段的末尾選取25組數(shù)據(jù)作為模型測試集，剩下的為訓(xùn)練集（如下頁表1所示）。

本文根據(jù)四個方面進(jìn)行了變量選擇（如下頁表2所示），選擇了A股每日股票價格的極差、波動幅度、成交額、換手率和市盈率這5個指標(biāo)以及滬深300指數(shù)的每日交易價格極差、波動幅度和成交額3個指標(biāo)。主觀的投資者心理和投資者情緒則根據(jù)從不同券商每日的報告中得出。此外，本文通過新浪微博、網(wǎng)易財經(jīng)、騰訊新聞等社交軟件截取每日有關(guān)上述三只研究股票的評價，若當(dāng)天評論總體為正向的話，價格波動為1，負(fù)向的話價格波動為-1，中性評論為0。輸出指標(biāo)為下一交易日的價格波動情況，漲記為1，跌記為-1，持平為0。

（二）股票價格波動分析

在第一次預(yù)測當(dāng)中，將被選取的3只股票的股價極差、波動幅度、成交額、換手率和市盈率，以及滬深300指數(shù)的價格極差、波動幅度和成交額總計8個相關(guān)指標(biāo)作為影響第二日股價的變量輸入，第二日的股票價格情況作為輸出變量，根據(jù)SVM進(jìn)行預(yù)測，得到下列結(jié)果（見表3）。

第三次測試中，在前兩次測試的8個指標(biāo)之外，進(jìn)一步加入投資者關(guān)注度和投資者情緒指標(biāo)作為輸入變量，進(jìn)行SVM預(yù)測。

（三）預(yù)測結(jié)果分析

在除震蕩市之外的另兩個研究區(qū)間，加入GARCH等時間序列模型的初步預(yù)測結(jié)果之后，模型的測試集和訓(xùn)練集的準(zhǔn)確度都有所提高。這種預(yù)測方法，通過解決多變量的非線性分類問題，把時間序列模型變量自身的自相關(guān)性加入考慮，極大地提高了SVM預(yù)測的有效性。

在加入主觀的投資者的相關(guān)情緒指標(biāo)后，模型的預(yù)測精度有了一定幅度的提升，但具體來說在三個不同的研究區(qū)間表現(xiàn)有所不同，在震蕩市中，模型的準(zhǔn)確度明顯高于其他的兩個區(qū)間，這也與我們的主觀感受相符合，即在股市波動比較大時，股價更易受投資者主觀的情緒指標(biāo)的影響，在市場行情不明朗的時候，根據(jù)博弈論中的“囚徒困境”理論，投資者之間會產(chǎn)生一種不信任心理，更容易受其他投資者的影響，從而使得選取的主觀的投資者的相關(guān)情緒指標(biāo)的代表性增強(qiáng)，也一定程度上解釋了為什么在股票價格大幅波動時加入投資者相關(guān)情緒指標(biāo)的SVM預(yù)測方法更加有效。

三、結(jié)論

以前的根據(jù)時間序列模型的SVM股價波動分析方法，一方面沒有考慮變量可能出現(xiàn)的自相關(guān)性，另一方面沒有考慮近期數(shù)據(jù)對最終預(yù)測結(jié)果的影響，也即賦予不同時間相同的權(quán)重，利用GRACH時間序列模型改進(jìn)的預(yù)測方法，克服了之前的一些弊端，更加顯現(xiàn)出時間序列的特性，對股價波動的分析也更為準(zhǔn)確。

參考文獻(xiàn)：

[1] 張超.基于誤差校正的ARMA-GARCH股票價格預(yù)測[J].南京航空航天大學(xué)學(xué)報：社會科學(xué)版，2014，（3）.

[2] 劉志東.多元GARCH模型結(jié)構(gòu)特征、參數(shù)估計與及假設(shè)檢驗(yàn)研究綜述[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010，（9）.

[3] 趙華，蔡建華.基于MRS-GARCH模型的中國股市波動率估計與預(yù)測[J].數(shù)理統(tǒng)計管理，2011，（5）.

[4] 王天一，趙曉軍，黃卓.利用高頻數(shù)據(jù)預(yù)測滬深300指數(shù)波動率——基于Realized GARCH模型的實(shí)證研究[J].世界經(jīng)濟(jì)文匯，

2014，（5）.

[5] 于志軍，楊善林.基于誤差校正的GARCH股票價格預(yù)測模型[J].中國管理科學(xué)，2013，（S1）.

[6] 李聰，劉詩琦，張偉偉.上證綜指收益率波動的預(yù)測研究[J].東方論壇，2015，（6）.

[責(zé)任編輯 陳丹丹]