宋彬

作為一個影響因素多樣的非線性系統(tǒng)，股票市場的可預測性是金融學術(shù)界始終關(guān)注的焦點，預測模型層出不窮。本文在BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，結(jié)合主成分分析和遺傳算法對工商銀行的高頻股票份格進行可預測研究，結(jié)果發(fā)現(xiàn)預測結(jié)果良好，平均絕對百分誤差值低至3335%，且預測的股票價格與實際變化趨勢一致。

可預測性 BP神經(jīng)網(wǎng)絡(luò)

中國股票市場存在著異常波動、投機型強和制度不健全等現(xiàn)象，為股票市場的可預測性提供了可能。國內(nèi)外學者聚焦于建立高效合理的數(shù)學模型來解釋并預測股票市場的變化規(guī)律，那么中國股票市場是否具有可預測性？該高效合理的數(shù)學模型是否存在？

文獻綜述

現(xiàn)有關(guān)于中國股票市場有效性的研究中，大部分學者認為中國股票市場不是弱勢有效的，即不滿足有效市場假說。俞喬（ 1994）、賈權(quán)和陳章武（2003）、Wen等（ 2010）與Sun和Fang（ 2004）的研究結(jié)果均表明中國股票市場不是有效市場。

中國股票市場不滿足有效市場假說的現(xiàn)狀為研究股票市場可預測性提供了機會。Liu等（2012）研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型良好的擬合和預測效果為投資者提供了有效的參考價值。王波和張鳳玲（ 2005）運用神經(jīng)網(wǎng)絡(luò)模型和ARIMA模型分別模擬和預測了股票價格，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型得到了更精確的效果。

研究設(shè)計

（1）模型構(gòu)建

本文的核心模型是BP神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理包含兩個步驟：首先，學習樣本正向傳遞由輸入層經(jīng)過各隱含層傳向輸出層，然后，為使函數(shù)誤差值達到最小值，數(shù)據(jù)由輸出層開始反方向經(jīng)過各個中間隱含層，不斷修正各連接權(quán)值達到最優(yōu)擬合效果。

然而，BP神經(jīng)網(wǎng)絡(luò)存在運算速度慢及已陷入局部最小值的缺陷。首先，本文運用主成分分析對原始數(shù)據(jù)進行降維，不僅避免了信息的冗余，而且降低了輸入維度從而加快運算速度。其次，因為BP神經(jīng)網(wǎng)絡(luò)模型采用的是誤差梯度下降，極易陷入局部最小值，遺傳算法通過全局篩選出最優(yōu)值，從而達到最優(yōu)擬合效果。最后本文采用平均絕對百分誤差值（ MAPE）來檢驗預測效果。

（2）數(shù)據(jù)的選取

本文選取2017年5月的工商銀行（代碼：601398）的高頻分筆交易數(shù)據(jù)進行分析，共20個工作日99623組數(shù)據(jù)，包含時間、成交額、成交量、最低價、最高價和最新價。數(shù)據(jù)來源：國泰安（ CSMAR）高頻數(shù)據(jù)庫。

實證分析

（1）主成分分析

針對6個交易歷史數(shù)據(jù)，本文先利用SPSS統(tǒng)計軟件對數(shù)據(jù)進行相關(guān)分析。結(jié)果表明個別交易指標之間有顯著的相關(guān)性，其相關(guān)系數(shù)高達0.85以上。為避免信息的冗余，進行降維處理后得到兩個主成分。

（2） BP神經(jīng)網(wǎng)絡(luò)模型預測

首先，將前18個工作日的股票交易數(shù)據(jù)作為訓練段數(shù)據(jù)，最后2個工作日的數(shù)據(jù)則作為擬合段數(shù)據(jù)；其次，借助沈花玉等（ 2008）發(fā)現(xiàn)當隱含層單位數(shù)是11時的網(wǎng)絡(luò)模擬誤差最小，所以設(shè)置隱含層單元數(shù)為11。

再次，整合遺傳算法和BP神經(jīng)網(wǎng)絡(luò)來擬合數(shù)據(jù)，設(shè)置好遺傳算法訓練網(wǎng)絡(luò)的相關(guān)參數(shù)。最后，用檢驗段數(shù)據(jù)檢驗訓練好的網(wǎng)絡(luò)，得到如下的模擬圖3，其中綠色曲線是原始數(shù)據(jù)，而藍色曲線是預測數(shù)據(jù)?？梢钥闯瞿M效果比較良好，預測價格和實際價格的每時刻變化趨勢是一致的，但是在數(shù)值上有誤差。計算可得該預測模型的MAPE=3.335%%。

結(jié)論與建議

本文得出以下結(jié)論：從實證模擬結(jié)果可以看出，BP神經(jīng)網(wǎng)絡(luò)模型的擬合預測效果很好，說明工商銀行的股票價格具備可預測性，市場參與者可以通過合理有效的數(shù)學模型從中獲利。

提出以下建議：加強和規(guī)范信息披露制度；大力培養(yǎng)機構(gòu)投資者，培育成熟的投資理念；加快運作市場化的步伐，加強股市的創(chuàng)新。

[1]俞喬.（1994）.市場有效、周期異常與股價波動一一對上海、深圳股票市場的實證分析.經(jīng)濟研究（9）.43-50.

[2]賈權(quán)，&陳章武.（2003）.中國股市有效性的實證分析.金融研究（7）.86-92.

[3] Wen， X.， Li， K.， &Liang，L（ 2010）.AWeak-Form EfficiencyTesting ofChina's Stock Markets[J].Third International Joint Conferenceon Computational Science andOptimization.5 14-5 17

[4]Sun， B.B.，&Fang， J.W（ 2004 ）.Atest on wea-kform efficiency ofchina's stock market：

an empiricalstudy based on the profitability oftechnical trading rules[J].Journal ofShanghai University of Finance&Economics， 52-57.

[5] Liu， X.， Ma， X.， Liu， X，&Ma， X.（ 2012） .Based on bp neuralnetwork stock prediction. Journal ofCumculum& Teaching，1（1）

[6]王波，&張鳳玲.（2005）.神經(jīng)網(wǎng)絡(luò)與時間序列模型在股票預測中的比較.武漢理工大學學報（信息與管理工程版），27 （6），69-73.