張宏碹　張蓉儀　劉晴

摘要：基于AR模型，對(duì)中國(guó)證券市場(chǎng)的預(yù)測(cè)分析，對(duì)中國(guó)股市未來(lái)未知的區(qū)域進(jìn)行預(yù)測(cè)、評(píng)估。在數(shù)據(jù)的相關(guān)性在可信區(qū)間內(nèi)，對(duì)股票的各種風(fēng)險(xiǎn)壓力通過(guò)AR模型建立明確的指標(biāo)，根據(jù)成立的指標(biāo)，掌控股票的走勢(shì)，精確對(duì)股票的操作。

關(guān)鍵詞：股票 AR模型 預(yù)測(cè)分析

一、前言

在金融市場(chǎng)之中，證券市場(chǎng)之中的股票市場(chǎng)，是一個(gè)體制相對(duì)完善的市場(chǎng)。對(duì)于一個(gè)相對(duì)客觀的投資市場(chǎng)，就可以運(yùn)用一些量化手段，去剖析這個(gè)市場(chǎng)的發(fā)展規(guī)律。通過(guò)市場(chǎng)的發(fā)展規(guī)律，來(lái)預(yù)測(cè)在未知的市場(chǎng)后續(xù)之中走勢(shì)。所以，選用了AR模型來(lái)對(duì)市場(chǎng)進(jìn)行預(yù)測(cè)，通過(guò)預(yù)測(cè)的結(jié)果來(lái)分析預(yù)測(cè)的結(jié)果與現(xiàn)實(shí)走勢(shì)的關(guān)系，以及面對(duì)預(yù)測(cè)結(jié)果如何掌控未來(lái)的走勢(shì)和面對(duì)的突發(fā)情況。

二、應(yīng)用理論介紹

（一）時(shí)間序列

時(shí)間序列是金融分析中常用到的種數(shù)據(jù)格式，自回歸模型是分析時(shí)間序列數(shù)據(jù)的一種基本的方法。通過(guò)建立自回歸模型，找到數(shù)據(jù)自身周期性的規(guī)律，從而幫助證券交易者理解金融市場(chǎng)的發(fā)展變化。

（二）自回歸模型

自回歸模型（Autoregressive model），簡(jiǎn)稱AR模型，是統(tǒng)計(jì)上

種處理時(shí)問(wèn)序列的方法，用來(lái)描述當(dāng)前值與歷史值之間的關(guān)系，用變量自身的歷史時(shí)間數(shù)據(jù)對(duì)自身進(jìn)行預(yù)測(cè)，自回歸模型必須滿足平穩(wěn)性的要求。自回歸是從線性回歸分析中發(fā)展而來(lái)，只是把自變量x對(duì)因變量y的分析，變成自變量x對(duì)自身的分析即可。

自回歸模型是用自身的數(shù)據(jù)來(lái)進(jìn)行預(yù)測(cè)，但是這種方法受到定的限制：

1.必須具有平穩(wěn)性，平穩(wěn)性要求隨機(jī)過(guò)程的隨機(jī)特征不隨時(shí)間變化。

2.必須具有自相關(guān)性，如果自相關(guān)系數(shù)φi于0.5，則不宜采用，否則預(yù)測(cè)結(jié)果極不準(zhǔn)確。

3.自回歸只適用于預(yù)測(cè)與自身前期相關(guān)的現(xiàn)象，即受自身歷史因素影響較大的現(xiàn)象。對(duì)于受其他因素影響的現(xiàn)象，不宜采用自回歸，可以改用向量自回歸模型。

平穩(wěn)性要求產(chǎn)生時(shí)間序列Y的隨機(jī)過(guò)程的隨機(jī)特征不隨時(shí)間變化，則稱過(guò)程是平穩(wěn)的；假如該隨機(jī)過(guò)程的隨機(jī)特征隨時(shí)間變化，則稱過(guò)程是非平穩(wěn)的。

平穩(wěn)性是由樣本時(shí)間序列所得到的擬合曲線，在未來(lái)的段期間內(nèi)能順著現(xiàn)有的形態(tài)能直地延續(xù)下去；如果數(shù)據(jù)非平穩(wěn)，則說(shuō)明樣本擬合曲線的形態(tài)不具有延續(xù)的特點(diǎn)，也就是說(shuō)擬合出來(lái)的曲線將不符合當(dāng)前曲線的形態(tài)。

三、模型建立

（一）建立數(shù)據(jù)

在此次的模型建立，是運(yùn)用的是按照x3為自變量，x4、x5為因變量，依賴于SPSS及Eviews兩款軟件。利用spss進(jìn)行相關(guān)系數(shù)的計(jì)算，再利用Eviews軟件進(jìn)行預(yù)測(cè)。通過(guò)計(jì)算當(dāng)天開盤價(jià)和收盤價(jià)來(lái)計(jì)算當(dāng)天股價(jià)中點(diǎn)值，對(duì)其進(jìn)行當(dāng)天股價(jià)的簡(jiǎn)化，將其第二天中點(diǎn)值算為第一天后的預(yù)測(cè)實(shí)際值，利用對(duì)前兩天的中點(diǎn)值進(jìn)行二次簡(jiǎn)化其股票價(jià)格。

利用SPSs進(jìn)行預(yù)測(cè)一起票價(jià)格的函數(shù)系數(shù)，得到相關(guān)系數(shù)，x4就是利用x1乘以所得到的自相關(guān)系數(shù)1，x5就是利用x1乘以所得到的自相關(guān)系數(shù)2，再利用Eviews軟件進(jìn)行范圍擴(kuò)充后進(jìn)行預(yù)測(cè)。自回歸模型被利用來(lái)校正相關(guān)系數(shù)和廣義回歸條件。

其中：x1為當(dāng)天開盤價(jià)和收盤價(jià)的中點(diǎn)值；

X2為x1當(dāng)天前天的值；

x3為x1當(dāng)天與前一天的中點(diǎn)；

x4為利用x1、x2、x3的自相關(guān)系數(shù)乘以x1的值；

x5為利用x1、x2、x3的第二個(gè)自相關(guān)系數(shù)乘以x1的值。

四、對(duì)預(yù)測(cè)結(jié)果分析

首先，選取了十個(gè)大板塊的股票，從每個(gè)板塊之中隨機(jī)抽取一只股票進(jìn)行分析。首先運(yùn)用的是五階值來(lái)進(jìn)行的相關(guān)系數(shù)的檢測(cè)。最后得到的相關(guān)系數(shù)，有些數(shù)值在第三個(gè)數(shù)的時(shí)候就變成了負(fù)值。但是運(yùn)用二階值的時(shí)，并沒(méi)有出現(xiàn)負(fù)值，基本上所有的數(shù)值都在0.5以上。0以下的完全不相關(guān)的變量，就選擇了放棄，采用最為可信的二階值。二階值的相關(guān)性系數(shù)就在上面（表2），大部分具有高度相關(guān)，基本上二階值最低的相關(guān)系數(shù)不會(huì)低于0.4具有定的相關(guān)性。

采取的值，為當(dāng)天股票交易開盤價(jià)與收盤價(jià)的中值。經(jīng)過(guò)假想，采用中值這做法的目的是能更好的找到當(dāng)天分時(shí)線的分界點(diǎn)，以此可以判斷當(dāng)天的基準(zhǔn)價(jià)位。我稱之為交易的價(jià)值線。它的好處在于，它總會(huì)處于當(dāng)天k線的實(shí)體線框之內(nèi)，也就意味著沒(méi)有脫離價(jià)值的過(guò)高和過(guò)低，這條線保持了價(jià)值的價(jià)格。

這水平的線段定義為當(dāng)日的價(jià)值分界線。股票每日都會(huì)有開盤價(jià)收盤價(jià)，還有個(gè)平盤價(jià)格，但是平盤價(jià)只是一種定義它漲幅上下限值的一個(gè)評(píng)判標(biāo)準(zhǔn)，在我看來(lái)，這個(gè)并不是股票當(dāng)日真正價(jià)值的體現(xiàn)。又因?yàn)榻佑|AR模型，所以展開了這一新的思想，就是AR模型對(duì)證券走勢(shì)的分析預(yù)測(cè)，現(xiàn)階段主要是針對(duì)股票市場(chǎng)的預(yù)測(cè)。

通過(guò)上面的步驟，選取了一個(gè)最小的區(qū)間，那就是三十工作日的數(shù)據(jù)進(jìn)行預(yù)測(cè)。進(jìn)行預(yù)測(cè)的時(shí)間是2017年5月11日，在那個(gè)時(shí)間向前截取了三十個(gè)工作日作為數(shù)據(jù)，取每一天的中值進(jìn)行模型建立與計(jì)算，預(yù)測(cè)出后面三天的價(jià)值線。最終將三天的價(jià)值線與真正的開盤價(jià)與收盤價(jià)的中值進(jìn)行計(jì)算。

例如圖15，16所展示的表明，用AR模型對(duì)股票走勢(shì)的分析準(zhǔn)確度百分之八十以上的數(shù)據(jù)在誤差0.3元以內(nèi)，極個(gè)別的超出了0.3元。

先來(lái)分析一下0.3元以下的沒(méi)有誤差的，經(jīng)多次驗(yàn)證表明，結(jié)合當(dāng)前股票的走勢(shì)日k圖表明：模型取舍的是二階值，在預(yù)測(cè)之前的數(shù)據(jù)波動(dòng)較小或極其具有規(guī)律，所以導(dǎo)致規(guī)律行極強(qiáng)，相關(guān)系數(shù)極高，導(dǎo)致了這只股票的預(yù)測(cè)竟然與真實(shí)的值完全相同，沒(méi)有絲偏差。反觀誤差在0.3以上的，在預(yù)測(cè)之前的數(shù)據(jù)就產(chǎn)生了劇烈的波動(dòng)例如差距達(dá)到1.4元的強(qiáng)力新材（300429），在預(yù)測(cè)之前的天出現(xiàn)了漲停，導(dǎo)致了誤差出現(xiàn)了較大的誤差。

由以上數(shù)據(jù)表明，可以準(zhǔn)確尋找到價(jià)值線或是價(jià)值線所在的大概區(qū)間，這根價(jià)值線也就是當(dāng)天的開收盤價(jià)格的中線。

通過(guò)AR模型進(jìn)行的

系列的計(jì)算，就得到了這個(gè)非常重要的數(shù)值。

這個(gè)數(shù)值的在實(shí)際股票市場(chǎng)之中的應(yīng)用是非常明顯易懂的。假設(shè)你知道了第二天的價(jià)值線你會(huì)怎么做，這就很顯而易見。通過(guò)自己的成本價(jià)格，又知道第二天價(jià)值線，對(duì)于那些炒短線的投資者就很只管的找到了自己的安全區(qū)域，能對(duì)自己股票進(jìn)行個(gè)簡(jiǎn)單的操作，來(lái)降低股市對(duì)投資者的風(fēng)險(xiǎn)，使得收益大于風(fēng)險(xiǎn)收益。

那么這個(gè)價(jià)值線有沒(méi)有辦法對(duì)中長(zhǎng)期投資者有幫助呢？

那么答案是肯定的，但并不是簡(jiǎn)單的將預(yù)測(cè)數(shù)據(jù)增多。因?yàn)轭A(yù)測(cè)是有誤差的，如果用有誤差的數(shù)據(jù)去預(yù)測(cè)數(shù)據(jù)，你增多你的數(shù)量那么誤差也會(huì)相應(yīng)增多，從而導(dǎo)致這個(gè)數(shù)據(jù)越來(lái)越偏離真實(shí)的軌跡。再加上新聞時(shí)事對(duì)股市的影響，還有其他重大事項(xiàng)對(duì)股票的影響那么就導(dǎo)致這個(gè)誤差變得很大，這個(gè)數(shù)據(jù)就不會(huì)再有真實(shí)性。

所以可以調(diào)換成周線，或者月線進(jìn)行預(yù)測(cè)，把一周或者個(gè)月看成個(gè)整體，那么同理預(yù)測(cè)也可以預(yù)測(cè)到下個(gè)周期的價(jià)值線，從而來(lái)達(dá)到輔助的作用。

剛才說(shuō)到了新聞時(shí)事與重大事項(xiàng)造成的誤差，這是不是對(duì)預(yù)測(cè)本身也會(huì)有影響呢。答案是肯定的，期間做過(guò)個(gè)小實(shí)驗(yàn)，用雄安的題材股，時(shí)間采用雄安公布之前的數(shù)據(jù)進(jìn)行預(yù)測(cè)，因?yàn)樾侣剷r(shí)事與重大事項(xiàng)造成的漲停加大了當(dāng)日的中線與價(jià)值線的誤差。所以我就可以得到，因

些非理性的因素導(dǎo)致的股市震蕩是不會(huì)被預(yù)測(cè)出來(lái)的，他預(yù)測(cè)只不過(guò)是在種理性市場(chǎng)中，對(duì)理性投資的種預(yù)測(cè)，準(zhǔn)確度相當(dāng)高。如果因?yàn)橹卮笫马?xiàng)而出現(xiàn)的不正常漲跌幅，是沒(méi)有辦法預(yù)測(cè)的。但是如果這一因素可以長(zhǎng)期影響這這股票，那么后續(xù)部分還是可以進(jìn)行預(yù)測(cè)的，誤差也會(huì)縮小。多以在使用這個(gè)預(yù)測(cè)模型時(shí)，波動(dòng)越大越不規(guī)律那么就要出現(xiàn)些需要預(yù)測(cè)推斷，就像上面所說(shuō)的樣，要自己找下誤差的原因與地方，從而做出正確的判斷。

利用AR模型預(yù)測(cè)股票市場(chǎng)走勢(shì)，以及未來(lái)是否能預(yù)測(cè)期貨和外匯等證券市場(chǎng)的走勢(shì)，還進(jìn)步有待驗(yàn)證，驗(yàn)證是個(gè)長(zhǎng)期的過(guò)程，希望讀者也能和我起見證我所發(fā)現(xiàn)的這方法，會(huì)使用的讀者，也可以按照我的進(jìn)行操作，可以更換你的階值等，還可以添加些其他因素使這模型更加完整，更加準(zhǔn)確的預(yù)測(cè)股票市場(chǎng)未來(lái)走勢(shì)。endprint