流动性信息与资产收益：基于非参数模型的分析
目录
摘要 (1)
1. 背景分析 (1)
2. 流动性的非参数求解 (3)
3. 非参数建模、估计方法与检验 (4)
3.1. 模型建立与估计 (4)
3.1.1. 流动性信息对预期收益冲击的非参数定向加权法 (5)
3.1.2. 变系数部分线性模型及估计 (6)
3.1.3. 变系数部分线性模型的检验 (7)
4. 数据与模型结果分析 (8)
4.1. 数据说明与描述 (8)
4.2. 模型估计结果及分析 (9)
4.2.1. 定向加权部分的结果及分析 (9)
4.2.2. 变系数部分线性模型的估计、检验和bootstrap模拟 (10)
4.3. 模型讨论 (13)
5. 小结与建议 (13)
参考文献 (15)
附录 .............................................................................................................................................................................. I
摘要
本文首先从全新的角度给出市场深度指标的求解方法，分别从定向加权和变系数部分线性模型的视角检验流动性信息的预测能力，并应用于我国股票市场每日收益率的研究，得出四点判断：1、通过非参数方法求解得到的指标值具有显著的平稳性。2、流动性信息的时变性对股票市场存在显著的非线性冲击，而且流动性信息的持续性变化与收益之间存在负向关系，并发现股票收益分布具有多峰性的特点。3、得到和经典资产定价模型相同的结论，即市场综合指数对个股具有显著的影响。4、模型验证了流动性信息通过波动性将信息非线性传导给投资者的假设，伴随着流动性信息的时变性，投资者所得到的风险补偿也具备时变性，但由于市场不够透明、信息不对称，流动性信息并不能全部传导给投资者，或者在之前由于信息的外漏，原本的流动性信息传导路径也可能会被误导。5、通过实际数据的验证，我们所建立的变系数部分线性模型能够较好的解释流动性信息的传递，也为我们以后的实证研究提供了一个估计和检验流动性信息传导和时变型风险补偿的新方法。
关键词：流动性信息市场深度定向加权变系数部分线性模型波动性
1.背景分析
自从证券市场诞生以来，预测资产回报一直是人们关注的焦点之一。Fama(1970)提出，资产回报可预测性被分为基于过去回报信息的“弱形式(weak form)”可预测性和基于过去公开信息的“半强形式(semi-strong form)”可预测性。其中，弱形式可预测研究探讨回报的序列依赖性，这种序列依赖性也可捕获期望回报的可预测变化；半强形式可预测研究使用其它公开可得的滞后变量作为工具(instrument)变量,详见文献[20]。
不过，滞后工具变量的预测能力仍存在争议，这是因为研究者认为所度量的预测关系可能是伪关系(spurious)①，为了辨别这些预测关系的真伪，在资产回报预测方面，研究者通常采用条件资产定价检验方法，和自回归条件异方差检验(Engle，1987)，这两种方法的优点在于，它们可以解释条件变量所捕获的股票回报可预测变化，即解释条件变量为什么具有预测能力，从而在条件变量和可预测股票回报之间建立了相依关系。所不同的是，条件资产定价检验是针对预期收益率(一阶矩)的角度进行估计和预测，而Engle提出自回归条件异方差理论以后，突破了这一局限，将预测拓展到波动性预测(即二阶矩)。但上述两种方法的建模均是参数模型，对模型的灵活性有所限制，基于此，本文尝试将二者的优点结合起来采用更具灵活性的非参数模型展开分析，并对模型的有效性进行检验。考虑到信息变量在预测中重要性，本文将流动性信息的滞后变量考虑进模型中，对流动性信息的重要性将在下面简要分析。
流动性是指能够以较低的交易成本即时完成交易指令、同时对市场价格影响较小的交易能
①
Ferson、Sarkissian和Simin(2003)指出预测回归中存在多种统计偏差。
力，如果一种资产和现金能够以较小的交易成本迅速相互转换，该资产就具有流动性，从流动性的定义上我们完全有理由认为，流动性信息是市场调节机制中重要的影响变量，自从Amihud(2002)以来，研究者就意识到流动性可以解释资产回报随时间的可预测变化。如果今天的一个冲击使流动性下降，那么，投资者会预期随后阶段的流动性也较低，这将导致今天的价格下降，从而使其期望回报升高。因此，流动性的持续性隐含了回报和流动性之间具有负向关系。
但到目前为止，研究者仍没有结合使用条件资产定价模型和自回归条件异方差模型检验流动性的预测能力。条件资产定价理论和条件异方差理论实际上都是使用条件矩来描述资产的价格行为，其实证研究一般依赖理性预期假设，即数学上的条件期望。而在随机折现因子框架下，条件模型和无条件模型的差异主要在于前者考虑了回报条件矩的时变(time-variation)，即随机折现因子中的参数将依赖于投资者对未来回报的预测。这意味着研究者所采用的信息集能否代表投资者预期，是研究者所采用模型好坏的决定因素之一。
在众多流动性的研究中,关于流动性与资产定价关系的研究是一个重要的分支。在这一领域最重要的问题就是流动性是否是决定资产价格的一个因子,即流动性是否对资产回报有重要的影响。国内外学者对其已有大量的研究，其中，Amihud and Mendelson(1986)用买卖报价差(bid-ask spread)度量流动性研究了1961年至1980年间NYSE(纽约证券交易所)中流动性与股票回报和价格的关系，发现流动性与股票回报呈现出显著的负相关，结果与流动性溢价理论一致。Datar、Naik和Radcliffe(1998)以换手率作为流动性指标，以NYSE非金融类的上市公司作为样本，利用1962年7月至1991年12月的数据，检验Amihud和Mendelson(1986)模型，结果表明流动性对股票收的解释力起着显著的作用。Loderer and Roth (2005)用瑞典股票市场的数据研究二者的关系时也支持Datar et al.的观点，他所用的度量流动性的指标是买卖报价差。
国内关于流动性的研究有王春峰等(2002)使用Amihud(2002)的非流动性指标ILLIQ分别在横截面和时间序列上检验上海股市流动性与收益的关系，结果表明在横截面上和时间序列上，当排除政策影响后，ILLIQ与股票收益显著正相关，否则两者没有任何显著关系，李一红和吴世农(2003)的实证研究也得出了类似的结论，苏冬蔚、麦元勋(2004)以换手率衡量流动性，运用横截面回归方法证实了我国股市存在显著的流动性溢价，并且产生流动性溢价的原因主要是交易成本。最近的研究中，复旦大学的张晓蓉等(2007)使用超高频数据 ,并利用流动性深度指标,研究流动性的动态特征、影响因素以及检验市场微观结构理,结果表明在信息不对称条件下耐心交易可以降低交易成本从理论上说，股市存在流动性溢价现象（Liquidity Premium）。
而在上述的众多流动性与资产定价的研究中，流动性都是被看做是一种系统风险，进而从截面的角度研究流动性溢价现象，而将流动性做为信息因素并从时间序列的角度检验其预测能力的研究，国内外学者尚鲜有研究，国内只有闫东鹏(2006)采用条件资产定价模型做了相关的研究，这也是本文的研究重点。
本文的创新之处在于：1、对Back(1998)的流动性市场深度给出非参数求解。2、分别从定向加权和变系数部分线性模型的视角检验流动性的预测能力。
其余部分的结构如下:第二部分给出流动性市场深度求解方法；第三部分详细阐述本文的
经验分析方法，包括构建符合我国股市实际情况的理论假设和实证模型；第四部分给出模型的估计和检验及bootstrap 模拟；最后对全文进行总结。
2. 流动性的非参数求解
从流动性的定义看出可见，流动性实际包含了四个内容:交易成本、交易速度、交易数量、价格弹性，由此可引出流动性的四维:交易速度、市场宽度、市场深度、弹性。交易速度指证券交易的即时性，即投资者的交易愿望得到立即执行的程度；市场宽度通常用买卖价差来衡量，反映了交易者因成交价格偏离真实价格而遭受的损失；市场深度衡量了在特定价格或价格范围内可以交易的数量；弹性衡量了大额交易导致价格偏离后，价格恢复到均衡价格的速度。交易速度越快、买卖价差越小、市场深度越大、以及弹性越大，则市场流动性越好。
张晓蓉(2007)指出，流动性的四维之间可能存在矛盾。如在做市商市场中，常用买卖价差来度量流动性，但这一指标仅能反映低交易量市场中的宽度，而大额的交易指令则常常不能有效执行。对于市场的重要参与者---机构投资者，因其调整投资组合的需要，常需进行大额交易，可能导致对价格产生冲击，从而被迫承担大的交易成本。Back(1998)指出，市场的深度是时变的，且是一个可以预测的变量，那么流动性深度不管对预测机构投资者还是普通投资者的预期就显得非常重要。
Back 在凯尔(Kyle,1985)的基础上给出指令驱动交易机制下的流动性市场深度指标，在布朗运
动等假设成立的前提下，Back 推导出：
(,())(,())(),dp t Y t t Y t dY t λ= （1）
则市场深度(,)t y λ可以表示为：0(,)(,)
(,)(,)lim .y p t y y p t y t y p t y y y
λ?→?+?-=
=??
而关于(,)t y λ的求解，Back 给出了市场深度的隐式偏微分方程：
(,)()(,0,)t y f y t d λμπμμ∞
-∞'=+? (2) 关于(2)式的推导详见文献[6],通过(2)式对(,)t y λ求解的算法关系到计算量和实际应用的可行性。一般较常见的方法是用偏微分方程直接去寻找价格关于交易量的可导函数。但是在价格与交易量构成的复杂动力系统里，试图得到一个确定的价格关于交易量的函数形式，需要附加许多严格的条件，通常资产价值服从布朗运动，误差项服从正态假设是不能缺少的。然而这些假设在实际情况中是很难满足的，即使这些条件得以满足，(2)式也只能通过数值计算给出求解，这种方法给计算带来很大的不便①。这样也就使得Back 的指标不能直接应用到实际证券市场的流动性度量中。
受目前在概率统计理论上尚处于研究前沿的非参数理论的启发，本文采用非参数估计给出
①
Back(1998)推导出市场深度与价格和成交量之间的关系的微分方程表示，但在常规方法下很难给出数值解，本文给出非参数
方法下的求解方法。
价格关于时间和交易量的平滑函数，而平滑函数具有连续可导性的良好性质，而(,)t y λ为价格对于成交量的一阶偏导数，问题迎刃而解。关于求解，我们采用局部多项式方法(Fan and Gijbels, 1996)对(1)式进行估计，那么基于交易量t y 和时间t 的股价t p 的关系可以表示为：
(,)
(|,)
(,)t t t t t p t y E p t y m t y μ=
=+ （3）
则函数(,)t m t y 在00(,)t y 点的邻域泰勒展开得：
000000102(,)(,)()()()()t t t t t t m m
m t y m t y t t y y t y t t y y θθθ??≈+
-+-?≡+-+-
则最小化(3)式的残差有：
{}
002
001
021
121
21()(),i i T
t t i i
i t t i y y t t p t t y y K h h h h θ
θθ=?-?------ ?
??∑
(4) 其中，()K *为核函数，采用Epanechnikov 核①：2()0.75(1||)K h h +=-,12,h h 为平滑窗宽，令
00012(,)(,,)t t y βθθθ'=，000012121(,),t t B t t y y t t K t t y y K h h h h ?-?---= ? ??，12(,)B diag h h =，求解(4)式可容易得到：
0003,303,3
0013,3
??(,)(,)
arg min((,))((,))()t t t t t y e t y e P X t y W P X t y e X WX X WP β
λβββ-'=''=--'''= 其中，3,3(0,0,1)e '=，X 表示一个3T ?阶矩阵，其第i 行为0
0(1,,)i i t t t t y y --,1(,...,)T P p p '=，100100((,),...,(,))B t t B T t t T W diag K t t y y K t t y y =----，则00
?(,)t t y λ数值大小刻画了瞬时交易量引发瞬时价格的变化程度，该数值的绝对值越小，意味着市场流动性越好。
3. 非参数建模、估计方法与检验
3.1. 模型建立与估计
本部分试图从两个角度分析流动性信息与股票收益率之间的关系：第一、从收益分布的视角，即通过非参数定向加权方法分析流动性信息对预期收益的冲击作用；第二、建立变系数部
①
文中非参数部分核函数的选择均采用Epanechnikov 核。
分线性模型具体分析二者的非线性关系。
3.1.1. 流动性信息对预期收益冲击的非参数定向加权法
设12,,...,n X X X 为金融资产收益率的观测值，则金融资产收益分布核估计的基准模型
(Benchmark model)用1S 表示：
1111:(,)n i
n i x X S f x X h K n h -=-??=
?
??
∑ （5） 其中， h 为窗宽，()K *是核函数。（5）式中收益分布的估计是基于收益的历史观测值，在考虑流动性信息因素后，也就是考虑基于流动性因素的条件收益分布，模型(5)可以改进为
2S ：
201
21111,:1LIQ LIQ (,,LIQ)(,|LIQ)LIQ LIQ (LIQ)n l l l n j j n n n x X h K n h h S h K n h f x X f x X f -=-=--??
???=
-??
???
=∑∑
01,
LIQ LIQ LIQ LIQ l l
l
l x X x X K K K h
h h h ----??????
= ?
? ????
???
其中：LIQ 表示流动性因素，
111l l n
j j LIQ LIQ K h LIQ LIQ K h ω=-?? ?
??=-??
???
∑令： 则2S 可以表示为：
11()(|LIQ)n
i n n j j x X f x X f x X h K h ωω-=-??
== ???∑，，， （6）
由（5）和（6）可以计算出在流动性信息加权前后的期望收益差（记为E r ?），以表示流动性信息对预期收益总体的冲击效果：
1111()()(
)()n n E
t t B W t t t D E
s s s s r E r E r s K ds s w K ds nh h h h ==--?=-=-∑∑?? （7） 其中，()B E r 为基准核密度条件下的期望收益，()W E r 为流动性加权后的期望收益，D 和E
均为收益率的取值空间，如果0E r ?<则表明，总体上，流动性对预期收益会产生负向的冲击。
3.1.2. 变系数部分线性模型及估计
结合条件资产定价模型和自回归条件异方差模型的结论，我们考虑如下条件预期方程：
11(|).i i t t t r E r I ++= (8)
其中，1i t r +为第i 个资产的预期收益，t I 是投资者用来预测1i t r +的条件信息集，研究者不能观察到投资者的完备信息集t I ，但由条件资产定价模型和自回归条件异方差模型所得到的结论，我们容易知道，证券的收益不仅受到该证券过去价格的影响还要受到其他相关证券过去价格的影响（归结为受过去的市场证券组合收益率的影响），以及价格波动性和流动性信息冲击的影响，即可以压缩信息集t I 为：(,,,).i m i t t t t t I r r liq σ=为此我们设：
11(|)(|,,,).
i i i m i i t t t t t t t E r I E r r r liq σ++=
(9)
其中，m t r 为t 期的市场组合收益，i t liq 为t 期的流动性信息，用第二节给出的市场深度指标代替，为方便实证检验我们用收益的二阶矩代替波动性（i t σ），考虑到模型的灵活性和稳健性，对(9)式的计量模型我们采用非参数模型进行拟合，另外由于(9)式涉及的变量较多，为避免非参数模型的“维数祸根”以及基于市场深度的时变性，另外，流动性信息对资产价格的影响可能不是直接的，而是通过波动间接影响到产出资产价格的或其本身对资产价格是一种非线性冲击，故我们可以建立如下模型：
20121111()(),(1,...,),(1,...,).i i i i m
t t t t t t t r liq r liq r r t T i N ββββε----=++++== （10） 而关于模型和变量选择的有效性我们将在后面给出检验，对(10)式的估计采用剖面最小二乘法(Profile Least-Squares)技术，首先对(10)式做移项调整得：
1
0(),1,...,t i i t i r X U t T β
*
='==∑
（11）
其中21(1,)t t X r -'=，1t i
t U liq -=，01(,)βββ'=，2(,)θββ'=，
2
*11(,),i m i t t t t tj j j Z r r r r Z θ-=''==-∑
将{}(),1,...,2i i β*=在0u 邻域泰勒展开得：
0000()(
)()()(),1,2.i i i i i u u u u u a b u u i βββ'≈+-≡+-= (12)
对i a 和i b 极小化下面加权核式：
00
,?(,)arg min{(,)},u h J u h βθ
φ= (13)
其中，
{}2
2
00011(,)()(),T j i i j ji h j j i J u h r a b u u X K u u *==??
=-+--????∑∑ (14)
由最小二乘理论，我们得到
1000000?(,)()()u u u u u u h D W D D W r Z βθ-''=-
(15) 记11((),...,())T T M U X U X ββ'''=且1(,...,)T εεε'=则模型（10）可以重写为：
r Z M θε-=+ (16)
使用（16）可得M 的估计为，
?()M
S r Z θ=-
(17)
将?M
代入（16）式且利用最小二乘方法得到
1?{()()}()().Z I S I S Z Z I S I S r θ
-''''=----
(18)
其中，???(,)φβθ=，010201020?????(,)[(),(),(),()]u h a u a u hb u hb u β'=，2
???[,]θββ'=，1(,...,),T r r r '=0
u D 表示一个 4T ?阶矩阵，且其第i 行为0(,)i i i u u
X X h -''，S 表示一个T T ?阶矩阵其第i 行为
2((0)())i i i i i
i u u u u u X D W D D W '
''''，1{(),...,()},u h h T T T W diag K u u K u u ?=--1(,...,),T Z Z Z '=20是21?的向量，I 是T T ?阶单位矩阵，可用交叉核实(Cross-validation)法选取窗宽h ①
。
3.1.3. 变系数部分线性模型的检验
为检验模型和变量选择是否有效，本节给出检验推断方法。实际检验实际上可以转化为检验关于模型(10)的两个假设：S1、可变系数部分是否依赖于流动性信息变量的变化；S2、线性部分系数是否显著。为此我们分别建立两组假设：
100011:(),()H ββββ*=*= （19）
202:0,0H ββ== （20） 如果（19）式成立，我们有理由认为，流动性信息作为资产收益的预测的信息集的理由是非充分的，此时，波动性对收益预期只存在线性影响，否则，我们将有理由认为流动性信息通过波动性对资产收益预期产生非线性的冲击作用。同理，（20）式的成立与否关系到资产自身价格与市场价格对预测是否产生影响。
（19）、（20）式的检验是半参数对半参数检验问题，对于此类检验，常用的似然比(likelihood ratio)检验并不适用，主要因为模型(11)中的未知函数()i β*的非参数最大似然估计不存在，合理的检验方法是把()i β*的估计放宽至任何合理的非参数估计，从而再构造检验统计量。此类检
验统计量的构造由Fan(2001)等提出的广义似然比检验(GLR)求得，记10RSS 为零假设条件10H 下对
应模型的残差平方和，11RSS 为其备择假设条件下模型的残差平方和。同样，记20RSS 为零假设
①
文中窗宽的选择均采用交叉核实(Cross-validation)法。
条件20H 下对应模型的残差平方和，21RSS 为其备择假设条件下模型的残差平方和，则由广义似然的定义，分别得到10H 和20H 下所对应的统计量n GLR 和n PLR 如下：
101
1
log()2n RSS n
GLR RSS = (21) 2
02
1log()2n RSS n
PLR RSS = (22)
Fan 等认为此类GLR 检验适用于许多模型及大量的非参数对非参数和参数对非参数的检验
问题，而且在原假设条件下GLR 检验统计量渐近服从具有尺度常数(scale constant)与自由度独立
于讨厌参数(nuisance parameters)的2χ-分布，这一现象被称为Wilks 现象，并且方便了GLR 检验统计量的应用。因此统计量中的临界值(critical value)可以由渐近分布或模拟方法得到，文献[11]给出了用模拟法得到的结果更精确的验证，鉴于此，本文检验统计量的p 值将通过非参数条件自助法模拟(conditional bootstrap)得到。关于渐进分布的证明见文献[11]、[12]。
4. 数据与模型结果分析
4.1. 数据说明与描述
通过CCER 数据库从沪市非ST 股中随机选取20支股票，时间跨度为2000年12月19日至2008年12月31日，共1850个观测值，为方便记录，后面的分析均采用股票代码，数据处理时，每支股票的日收益率为：1(/1)100%it it it R p p -=-?，市场收益率的计算采用上证综指，定向加权部分的分析采用数据金融板块、交通设施板块、非金属板块的月度数据进行实证研究，数据处理时，以每月19日为月底计算股票月度收益率：1(/1)100%it it it R p p -=-?。
根据公式(4)求解出来的流动性市场深度指标的数值大小刻画瞬时交易量引发瞬时价格的变化程度，该数值的绝对值越小，意味着市场流动性越好；其符号反映了价格变化的方向，正号表明瞬时交易量引发价格向上变动，负号表明瞬时交易量引发价格向下变动。由于非参数加权中的权重不可能为负，对于定向加权部分采用的非参数市场深度，其数值的正负仅表示交易量微小变化所引起股票价格的上下波动，并不影响流动性信息强度的测量，故对市场深度的估计值取其绝对值后在进行非参数加权估计。
表1 市场深度的计算结果
注：ADF检验栏中，***表示在1%水平下显著，**表示在5%水平下显著，*表示在10%水平下显著。
从表1中可以看出，随机选的20支股票市场深度的均值在-0.2-0.09之间，其标准差除两支大于1外，其余股票的标准差均较小，另外，从单位根检验结果我们容易看出，除三支股票在5%和10%置信水平显著平稳外，其余股票的市场深度值均在1%的置信水平下显著，不管从标准差数值和平稳性的结果来看，我们可以得出所选股票的市场深度在研究区间内没有显著波动，进一步说明，通过出非参数方法求解得到的指标值具有显著的平稳性。一方面，在指令系统下，流动性信息和股票收益一样具有随机性，但除个别异常值外，并不会出现特别大的波动，在脱离市场深度均值轨道后在市场的调整下均可以再次达到正常波动，另一方面，给变系数部分线性模型也提供了较好的估计前提。Fan(2005)也证明了变系数部分线性模型的可变变量在平稳时的模型收敛性质最好。
4.2.模型估计结果及分析
4.2.1. 定向加权部分的结果及分析
图1-5分别给出了模型（5）和（6）的估计结果，从图2可以看出，在考虑流动性冲击后，三个板块的收益分布均发生变化，也就是说，流动性信息确实对收益产生了冲击作用，而把三个板块的流动性冲击前后的收益分别考虑，即分别从图3-图5可以看出，流动性信息冲击（加权）后的收益分布均有左移现象，也就是说从总体上流动性对收益产生了负向冲击，其中，我们发现很有趣的现象，三个板块的收益在区间[-0.025，0]所受流动性的负向冲击最大，结合表2我们还可以得出结论，在考虑滞后的流动性信息的冲击后，三个板块的预期收益均有减少，即三个板块基于基准核密度函数计算出来的期望收益分别为：0.5303556、0.1474619、0.7010826，在考虑流动性信息冲击后，三者的期望收益均减少，分别降为：0.2035637、
-0.7705757、-0.4279962，也就是说随着流动性的增加，三个板块的期望收益分别下降了32.7%、91.8%、112.9%，其中，非金属板块的冲击作用最大，交通设施板块其次，金融板块所受的冲击最小，说明在三个板块中金融板块在流动性信息冲击影响下表现最为稳健，从E r ?和Lagged(LIQ)行的数值可以容易看出，2t -的流动性信息对收益的预期均有负向拉动作用，即存在流动性溢价现象，与理论相符。其他两个板块在1t -和2t -的流动性产生的溢价现象都显著，另外我们还发现，在流动性冲击后，交通设施板块和非金属板块的收益分布均出现了双峰现象，验证了收益分布的多峰性。
4.2.2. 变系数部分线性模型的估计、检验和bootstrap 模拟
首先bootstrap 模拟通过以下步骤来实现：
Step1.令2111?n RSS σ
-=，则由21?(0,)N σ模拟产生残差i ε*，然后通过下式构造bootstrap 样本： 1
2
10
(),1,...,.i ti
t i ij j i j t r X U Z i n βθε*
*==''=++=∑∑ Step2.使用step1所产生的bootstrap 样本1{(,,,)}n i i i i i U X Z Y =构建PLR 、GLR 检验统计量n PLR *和n GLR *。 Step3.重复step1和step2分别B (本文取1000)次，然后得到n PLR *和n GLR *统计量。
Step4.用下面公式计算p 值：
1
()B i i i I T T p B
*=≥=
∑
其中，i T T *和表示bootstrap 统计量和原样本得到的统计量值，I 表为示性函数。
通过上述的模拟得出的结果及模型(10)的参数部分和分参数部分的估计，对显著性检验分别通过PLR 统计量和GLR 统计量进行推断，表3给出了模型(10)的估计结果和检验统计量值，考虑到预测变量及信息集的现期不可观测性，模型中除市场收益率外，其余解释变量均采用滞后一期观测值，流动性信息变量的选择也一样。
首先，如表3所示，市场收益的系数范围为0.79-1.51，且均具有统计显著性，从数值和符号来看，二者均具备经典资产定价模型贝塔系数的性质，说明，本文建立的变系数部分线性预测模型具备且要强于经典资产定价模型的解释能力。
其次，也是本文模型分析的重点，对于所选取的20支股票，流动性信息的非线性冲击部
分，即0?β
估计值的均值中有18支小于零，即平均水平上，流动性的持续性变化与收益之间存在负向关系，验证了我们第一节分析的结果，即如果过去的一个冲击使流动性下降，那么，投资者会预期随后阶段的流动性也较低，这将导致今天的价格下降，从而使其期望回报升高，即流动性的持续性隐含了回报和流动性之间具有负向关系，从诊断检验的角度来看17支股票的
非参数部分在5%和1%的置信度水平上显著，即显著拒绝原假设10H ，说明流动性和预期回报之间的负向关系式显著的，符合经济学假设。
从流动性信息影响波动性的角度，模型(10)也展现了很好的解释能力，从资产收益二阶矩
的系数和检验可以得出，有18支股票的二阶矩系数大于零，从模型诊断结果可以看出所选股票中85%的股票具有统计显著性，如果除去随机因素，我们有理由认为股票收益的二阶矩即风险对股票价格具有解释能力，且除去随机因素它们的系数大于零，收益率二阶矩的增加导致预期收益率的增加。从风险的角度，可以认为，高风险对应着高的收益，即风险补偿。而且伴随着流动性信息的时变性，这种补偿也是时变性的风险补偿。同时，我们还发现相对于线性部分，非参数部分的检验统计量虽大多可以通过显著性检验，但均较小，这些结果表明模型中加入非线性部分虽然较线性模型具有良好的解释能力，但统计意义上这种显著性并不是非常明显的，从经济意义也可以得到解释：对于一个透明性较好，运作比较规范，价格完全由市场机制进行调节的股市而言，其价格对信息的反应程度应是非常灵敏的，也即股票价格的波动性在相当程度上取决于信息到达市场的速度。如果信息到达市场的速度快，价格的波动会立即体现出来；反之，则价格的波动会逐渐得以释放，从而不会与信息的到来表现出密切相关性。模型的估计结果也正说明了，我国股票市场发展至今，各方面还不够规范，在获知信息上集中地体现为??信息的提前泄露。当一条可能引起股价波动的信息尚未完全到达市场时，已有相当一部分人从各种途径获知该信息并做出了反应，由此造成了信息的泄露。这样，当信息正式到达市场时，市场已将其基本消化，价格的波动性随时间已缓慢释放完毕，从而不会发生预想程度的波动，这使得价格与流动性信息的到来不能表现出非常显著的相关性。这也是市场不够透明、信息不对称的表现。
表2
非参数定向加权处理的数值结果
-0.15-0.10-0.050.000.050.10
510
15
20
25benchmark
D e n s i t y
finance
traffic facilities
nonferrous metal
-0.10
-0.050.00
0.050.10
5
10
15
2025
liquidity-weighted
D e n s i t y
finance
traffic facilities
nonferrous metal
图1 三个板块收益率的基准核密度估计 图2 三个板块在流动性加权后的核密度估计
-0.10-0.050.000.050.10
510
15
图1 金融板块
D e n s i t y
benchmark density
liquidity-weighted density
-0.10
-0.050.00
0.050.10
510
15
2025
图2 交通设施板块
D e n s i t y
benchmark density
liquidity-weighted density
图3 金融板块的收益率在流动性加权前后的分 图4 交通设施板块的收益率在流动性加权前后的分布
-0.10
-0.050.00
0.050.10
2468
101214
图3 有色金属板块
D e n s i t y
benchmark density
liquidity-weighted density
图5 有色金属板块的收益率在流动性加权前后的分布
表3
模型(10)的估计及诊断检验
注：0?β和1?β均为可变系数0?β、1?β估计值的均值，诊断检验中，PLR列和GLR列括号里的数值为中检验统计量的P值；
*、**、***分别表示参数在10%、5%和1%水平下显著。
4.3.模型讨论
本文通过对经济现象和股票市场流动性的传导方式与路径的分析建立了灵活的半参数模型，从全新的视角考虑了流动性信息（即文中采用的市场深度指标）的时变性，进一步建立定向加权非参数模型和变系数部分线性模型，在模型设定上，本文采用的变系数部分线性模型比经典的资产定价模型具有更强的解释能力，同时考虑了自回归条件异方差所讨论的时变波动性，非定向加权分析，从收益分布的角度的分析更加放宽了模型设定的灵活性。本文在建立半参数模型时也考虑了波动性因素，通过对模型的相关参数的显著性检验，我们得出，除个别股票外，其他股票均能通过变参数非线性的检验，进一步验证了流动性信息通过非线性路径传导给投资者进一步影响波动性和资产收益的假设，但由于篇幅和估计的复杂性，本文没有考虑信息集滞后多期的情况，另外，本文采用的模型属于非参数回归模型，其结果不适于做外延预测和分析，因此，在进行预测时需要和哪些模型搭配使用，都需要今后做进一步的研究。
5.小结与建议
流动性反映资产的交易能力和变现速度，是证券市场的生命力所在，也是衡量一国股市发展水平的重要指标。从理论上说，流动性与资产定价是密切相关的：资产流动性小，买卖信息传播慢，供求难以达到平衡，交易成本大，投资者的期望收益也就高。从实证上看，使用不同的计量方法或样本数据验证流动性溢价理论所得到的结果不同。
本文应用非参数定向加权和变系数部分线性模型的方法于我国股票市场每日收益率的研
究，得到如下一些结论：
1、无论是从图形上还是从数值结果上分析，预期收益与市场深度（倒数处理后）都呈明显的负相关，结论和变系数模型的分析结果，表明流动性是资产定价的因素之一，从股票收益分布的角度分析发现收益分布具有多峰性的特点。
2、提出市场深度新的求解方法，通过计算得出非参数方法求解得到的指标值具有显著的平稳性。一方面说明，在指令系统下，流动性信息和股票收益一样具有随机性，但除个别异常值外，并不会出现特别大的波动，在脱离市场深度均值轨道后在市场的调整下均可以再次达到正常波动，另一方面，给变系数部分线性模型也提供了较好的估计前提。
3、流动性信息的时变性对股票市场存在显著的非线性冲击，而且流动性信息的持续性变化与收益之间存在负向关系。
4、得到和经典资产定价模型相同的结论，即市场综合指数对个股具有显著的影响。
5、模型验证了第一节关于流动性信息通过波动性将信息非线性传导给投资者的假设，伴随着流动性信息的时变性，投资者所得到的风险补偿也具备时变性，但由于市场不够透明、信息不对称，流动性信息并不能全部传导给投资者，或者在之前由于信息的外漏，原本的流动性信息传导路径也可能会被误导。
6、从模型的角度，通过实际数据的验证，我们所建立的变系数部分线性模型能够较好的解释流动性信息的传递，也为我们以后的实证研究提供了一个估计和检验流动性信息传导和时变型风险补偿的新方法。
从以上的结论中可以体会到，我国股票市场的发展还很不健全，噪音偏多，各种各样非市场的因素往往左右着市场的整个走势，这在一个成熟市场是不应该出现的，从而充分地说明了我国股市还存在很多弊端，要走上健康规范的轨道还有一段很长的道路，因此迫切需要社会各界人士的共同努力。对政府而言，仍要大力加强法制法规的建设，加强市场监管，按照市场经济的规律扶植培育股票市场；对广大投资者而言，要努力提高自身素质，减少对股票的盲目侥幸认识，培养起应有的投资意识；对股市的研究人员，应该敞开门路，积极吸收西方发达国家成熟股市的先进经验和理论，运用于我国股票市场，以起到理论带动实践发展的作用。
参考文献
[1]Amihud, Y., & Mendelson, H. (1986), Asset pricing and the bid–ask spread. Journal of Financial
Economics, 17, 210-249
[2]Datar,V.T.,Naik,N.Y.,RadcliffeR.: Liquidity and stock returns: An alternative test. J Financ Mark 1,
205-219(1998)
[3]Brennan, M.J., Subrahmanyam, A.: Market microstructure and asset pricing: On the compensation for illiquidity in stock returns. J Financ Econ 41, 441-464 (1996)
[4]Bekaert,G.,C.Harveyand C.Lundblad,2003,“Liquidity and Expected Returns: Lessons from
Emerging Markets,” Duke University Working Paper.
Loderer, C., Roth, L.: The pricing discount for limited liquidity: evidence from SWX Swiss Exchange and the Nasdaq. J Empir Finance 12, 239–268 (2005)
[5]Rouwenhorst,K.G.,1999,“Local Return Factors and Turnover in Emerging Markets,”Journal of
Finance 54:1439-1464.
[6]Back K, Pederson H. Long-lived information and intraday patterns, Journal of Financial Market,
1998, 1(3), 385-402(1998)
[7]Francisco J1 Goerlich Gisbert ,Weighted samples, kernel density estimators and convergence[J],
Empirical Economics,28:335-3511(2003)
[8]Fan,Jianquing,Yao,Qiwei, Nonlinear Time Series. Nonpa[M],148-155(2003)
[9]Korajczyk,R.,&Sadka,R. Pricing the commonality across alternative measures of liquidity. Journal
of Financial Economics, 87, 45–72.(2008)
[10]Fan, J. and Gijbels, I. Local Polynomial Modeling and its Applications[M].London：Chapman
and Hall，1996.
[11]Fan, J, et a1.Generalized likelihood test statistic and wilks phenomenon[J].Ann statist，
2001.153-193.
[12]Fan, J, Huang. Profile likelihood inferences on semiparametric varying coefficient partially
linear models[J]. Ann statist，2005.
[13]许冰，2006，《一种可选择的新方法：加权人均GDP》，《数量经济技术经济研究》第7期.
[14]许冰，2005（12），《金融数据多峰性的刻画：基于交易量加权的非参数估计》，《统计研究》.
[15]王春峰等，2002（24），《流动性与股票回报：基于上海股市的实证研究》，《公司理财与上
市公司》.
[16]李一红、吴世农，2003，《中国股市流动性溢价的实证研究》，《金融管理》第11期.
[17]苏东威、麦元勋，2004，《流动性与资产定价：基于我国股市资产换手率与预期收益的实
证研究》，《经济研究》第2期.
[18]张晓蓉、徐剑刚、邱世梁2007(2)，《时变流动性深度模型》,《复旦大学学报》.
[19]范剑请、姚琦伟，2005，《非线性时间序列》，《高等教育出版社》．
[20]闫东鹏、吴贵生，2006(12)，《流动性和可预测股票回报：一个实证检验》，《统计研究》.
附录
市场深度算法及模型估计与检验程序（R、SAS9.1.3软件）市场深度的计算
libname stat 'D:\path\data_code';
%macro s(m,data);
proc sort data=&data;
by time; run;
proc sort data=a980001;
by time;
run;
data a&m;
merge a980001(in=h) &data(in=l);
by time;
if h and l;
keep time tot_r clo_p turnover comp_name;
run;
data a&m;
set a&m;
t=_n_;
if t>200 then delete;
trd=log(turnover);run;
%mend;
%s(1,a600600);
%s(2,a600611);
%s(3,a600617);
%s(4,a600618);
%s(5,a600621);
%s(6,a600645);
%s(7,a600638);
%s(8,a600652);
%s(9,a600667);
%s(10,a600668);
%s(11,a600671);
%s(12,a600675);
%s(13,a600678);
%s(14,a600689);
%s(15,a600690);
%s(16,a600643);
%s(17,a600801);
%s(18,a600854);
%s(19,a600855);
%s(20,a600856);
run;
%let data=a7;
proc iml;
use &data;
read all into p var{clo_p};
read all into trd var{trd};
read all into t var{t};
close &data;
sort &data out=depth1 by trd;
use depth1;
read all into trd1 var{trd};
N=nrow(p);
/*initializations*/
H=j(n,1,1);
cv=j(3,1,1);
phat=j(n,1,1);
i1=j(n,1,1);
b=j(n,1,0);
/*end initializations*/
/*DEFINE KERNEL FUNCTION*/
start kde(o);
kernel=0.75*(1-o##2)#(abs(o<=1)); return(kernel);
finish;
start estimate;
do i=1 to n;
free x;
h1=100.3181734;
h2=13.86948;
x=i1||(t-t[i,])||(trd-trd1[i,]);
k01=(t-t[i,])/h1;
k02=(trd-trd1[i,])/h2;
w=(1/h1*h2)#kde(k01)#kde(k02);
bhat=inv(t(x)*diag(w)*x)*t(x)*diag(w)*p;
b[i,]=bhat[2,];
end;
print bhat;
finish ;
run estimate;
create depth_final from b[colname='depth']; append from b;
quit;
变系数部分线性模型的估计及检验
data depth11;
merge a7 depth_final end=last;
/*rename name=depth;*/
r=log(clo_p)-log(lag(clo_p));
lagr=lag1(r);
depth1=lag1(depth);
lagr2=lagr*lagr;
if lagr='.' then delete;
if last then delete;
run;
/*varying-coefficient semiparametric estimation*/ %let dataset=depth11;
proc iml;
use &dataset;
read all into u var{trd};
read all into x var{lagr2};
read all into z var{tot_r lagr};
read all into y var{r};
read all into xx var{lagr2 tot_r lagr};
close &dataset;
sort &dataset out=data_set by trd;
use data_set;
read all into u1 var{trd};
n=nrow(x);
x1=j(n,1,1);
x=x1||x;
xx=x1||xx;
/*initiziation begin*/
yy=j(n,4,0);
/*du=j(n,4,0);*/
s=j(n,n,0);
h=10.35955;
a1=j(n,1,0);
a2=j(n,1,0);
e=j(n,2,0);
I=i(n);
/*w=j(n,n,0);*/
/*initiziation end*/
/*DEFINE KERNEL FUNCTION*/
start kde(o);
kernel=0.75*(1-o##2)#(abs(o<=1));
return(kernel);
finish;
/*define the estimation bhat*/
start sm;
do j=1 to n;
yy[j,]=x[j,]||j(1,2,0);
k0=(u-u1[j,])/h;
w0=(1/h)#kde(k0);
w=diag(w0);
hx=(u-u1[j,])/h;
hhx=hx#x;
du=x||hhx;
l=yy[j,]*inv(t(du)*w*du)*t(du)*w; /*estimate matric S*/ s[j,]=l[1,];
end;
finish;
run sm;
股票分析报告总结 股票分析报告总结 我们在买股票的时候肯定要弄清楚这个公司的股票价值是怎么样的,要是贸贸然的就去买,那估计得买错,然后血本无归。 所以大家在买股票之前要看一下股票投资风险报告。 美的股票投资分析报告可以帮助股民们更好的了解美的股票, 做出更正确的选择。 1.1 研究背景与意义 家电行业是国民经济的支柱产业之一,与百姓的生活息息相关。 近年来我国家电行业产值稳定增长,同时还带动了服务业、运输业的发展,对维持国民经济健康有序平稳发展做出了重要贡献。 我国家电自80年代开始起步,通过引进国外的生产线和生产技术,在国内市场的强大需求拉动下,一大批家电生产企业应运而生。
我国的家电行业从导入期到成长期,最后到成熟期,经历了一段高速的发展时期。 二十世纪九十年代中后期,我国家电企业进入了它的成熟期,一些企业建立了现代企业制度,管理水平不断提高,家电品牌逐步形成。 由于激烈的市场竞争和优胜劣汰,家电行业的整合加剧,产生了像美的、海尔、TCL等家电航母。 目前,彩电、空调、冰箱、洗衣机等主要家用电器产品的产业集中度已达75%以上,我国独立的家电企业已由1997年的100多家锐减到10多家,家电企业规模在扩大,产能也在增长,已经成为全球家电 生产制造基地。 我国的家电行业发展到今天,已经成为了一个相当成熟的行业,基本上掌握了核心技术。 目前,由于我国家电产能的急剧增长,市场竞争更加激烈,作为 在国内比较知名的家电品牌,美的集团在通过各种营销手段抢占市场份额的同时还需要通过不断通过增强自身综合实力来吸引投资者的 注意,吸收更多的资金来完善企业,全面提高公司的综合实力。
货币政策对股票市场流动性的影响研究 一、研究意义 我国货币政策的主要目标是维持物价稳定和促进经济增长。因为我国股票市场在资本配置和引导投资方面的作用日益增强，使其对实体经济的影响力日渐扩大，所以中央银行应该考虑到我国资本市场的现状以及其受到货币政策影响的程度，从而使得所采用的货币政策能够与资本市场的运行相匹配，进而实现货币政策调控的有效性。而在资本市场的长期发展中，股市流动性是整个资本市场能否稳定有序运行的重要影响因素。鉴于资本市场流动性对我国资本市场的建设乃至整个国家经济稳定发展的重要作用，深入分析我国货币政策对股市流动性造成的冲击效应，不仅可以为中央银行及时了解股票市场变动信息提供指导，进而制定有效的经济调控政策，以引导我国经济的健康稳定发展，而且在理论上也具有重要的补充价值。 二、理论基础 1、国外研究： Choi 和Cook（2005）利用VAR模型对日本后泡沫时期股市流动性与国内宏观经济的相关关系进行研究，结果发现股市流动性仅仅对国内总需求产生单向的冲击影响。Chordia、Sarkar 和Subrahmanyam（2005）发现在危机时期，扩张性货币政策能增强股票市场和债券市场流动性。Goyenko 和Ukhov（2009）[4]研究发现货币政策冲击会影响股票市场和债券市场流动性。由于债券市场对货币政策反应更迅速，因此货币政策冲击通常是先影响债券市场流动性，然后通过债券市场流动性再影响股票市场流动性。 2、国内研究 许睿等（2004）和孙云辉（2005）最早对一些重大的政策和事件对整个市场流动性的影响做了分析。他们的政策事件是指股票市场的相关政策法规，而不是专指货币政策。许睿使用统计回归的方法，发现上海和深圳市场流动性对政策事件有基本一致的反应。孙云辉利用事件研究法发现2001—2004 年间，政府政策对股市流动性有显著影响。当利好政策出台后，股市累积异常流动性明显上升，而当利空政策出台后，股市累积异常流动性大幅度下降，同时也证明中国股市的流动性具有非常大的波动性。周晔（2009）通过对自2005年以来流动性变动的阐述，指出流动性变动与股市巨幅波动之间具有同步相关性。央行货币政策调控上的刚性有余、弹性不足导致流动性的过度波动给股市带来负面冲击。可以发现，国内这些相关研究牵涉到货币政策，但大都没有直接研究货币政策对股市流动性的影响。 三、实证检验 本文研究分析货币政策事件对股市流动性的影响,基于事件研究分析法去度量货币政策颁布后股市流动性的累计超额流动性,进而分析货币政策的宣告效应。 1、事件样本：2015年4月20日：央行降准，人民币存款准备金率下调1个百分点。 2、事件窗口的选择 事件研究分析法涉及三个时间窗口的设置,分别为预估窗口,事件窗口,事后窗口。具体时间上的设置如图所示: 其中T0到T1为事件窗口T-1到T0为预估窗口,0为货币政策事件宣告日。由于我国货币政策宣告日和实施日并一定相同,故本文以政策宣告日作为整个事件窗口的中心,由宣告日前后两个阶段
题目 如何利用EXC E L求解线性规划 问题及其灵敏度分析 第 8 组 姓名学号 乐俊松 090960125 孙然 090960122 徐正超 090960121 崔凯 090960120王炜垚 090960118 蔡淼 090960117南京航空航天大学（贸易经济）系 2011年（5）月（3）日
摘要 线性规划是运筹学的重要组成部分，在工业、军事、经济计划等领域有着广泛的应用，但其手工求解方法的计算步骤繁琐复杂。本文以实际生产计划投资组合最优化问题为例详细介绍了Excel软件的”规划求解”和“solvertable”功能辅助求解线性规划模型的具体步骤，并对其进行了灵敏度分析。
目录 引言 (4) 软件的使用步骤 (4) 结果分析 (9) 结论与展望 (10) 参考文献 (11)
1. 引言 对于整个运筹学来说，线性规划(Linear Programming)是形成最早、最成熟的一个分支，是优化理论最基础的部分，也是运筹学最核心的内容之一。它是应用分析、量化的方法，在一定的约束条件下，对管理系统中的有限资源进行统筹规划，为决策者提供最优方案，以便产生最大的经济和社会效益。因此，将线性规划方法用于企业的产、销、研等过程成为了现代科学管理的重要手段之一。[1] Excel中的线性规划求解和solvertable功能并不作为命令直接显示在菜单中，因此，使用前需首先加载该模块。具体操作过程为：在Excel的菜单栏中选择“工具／加载宏”，然后在弹出的对话框中选择“规划求解”和“solvertable”，并用鼠标左键单击“确定”。加载成功后，在菜单栏中选择“工具／规划求解”，便会弹出“规划求解参数”对话框。在开始求解之前，需先在对话框中设置好各种参数，包括目标单元格、问题类型(求最大值还是最小值)、可变单元格以及约束条件等。 2 软件的使用步骤 “规划求解”可以解决数学、财务、金融、经济、统计等诸多实 际问题，在此我们只举一个简单的应用实例，说明其具体的操作 方法。 某人有一笔资金可用于长期投资,可供选择的投资机会包括购买国库券、公司债券、投资房地产、购买股票或银行保值储蓄等。投资者希望投资组合的平均年限不超过5年，平均的期望收益率不低于13%，风险系数不超过4，收益的增长潜力不低于10%。问在满足上述要求的前提下投资者该如何选择投资组合使平均年收益率最高？（不同的投资方式的具体参数如下表。）
为了确定模型中主要因素，我们对该模型采用 Sobol 法进行灵敏度分析判断其全局敏感性。 Sobol 法是最具有代表性的全局敏感性分析方法，它基于模型分解思想，分别得到参数 1,2 次及更高次的敏感度。通常 1次敏感度即可反映了参数的主要影响。 Sobol 法 Sobol 法核心是把模型分解为单个参数及参数之间相互组合的函数。假设模型为 Y f(x)(x x-i ,x 2,...x m ), x i 服从［0,1］均匀分布，且f 2(x)可积，模型可分解为： n f(x) f(0) f i (X i ) f j (x) ... f i,2”..,n (X i ,X 2,...X k ) i 1 i j 则模型总的方差也可分解为单个参数和每个参数项目组合的影响： n n n D =刀 D i + 刀刀(D ij + D 1 ,2, , n ) i =1 i =1 j =1 i 半j 对该式归一化，并设: 可获得模型单个参数及参数之间相互作用的敏感度 S 由式(2)可得： n n n 1 = ^S i + M^S j + + S,2, ,n i=1 i = 1 j=1 i 有 S l,2, ,n 式中，si 称之为1次敏感度；Sij 为2次敏感度，依此类推； 为n 次敏感度，总共 2n -1 有 项。第i 个参数总敏感度 STJ 定义为： S j S (i) 它表示所有包含第i 个参数的敏感度。 模型中4个输入参数分别为推力，角度， 比冲，月球引力常量。因为月球引力常量和比 冲为物理恒定值，不会产生干扰。所以这里我们对角度，推力进行敏感性分析。 设角度初值为150°，推力为4500N 时，做出高度变化图像如图所示。 S t ,i 2 , ,i D i 1,i 2 , ,i D
《证券投资理论与实务》实验报告实验项目名称：ST 大荒股票基本分析 学生姓名：许清霞专业： 13 金融学专升本学号： 实验地点：C347 实验日期： 2014 年 10 月 26 日 一、实验目的 学习利用网上的相应资讯和股票行情软件，对股票市场的未来走势进行宏观分析。 二、实验内容 1. 知道 K 线图的构成并会看K 线图 2. 运用所学的知识去进行模拟炒股 三、实验原理、方法和手段 利用 K 线图进行分析 五、实验条件 1．系统软件： Windows 7? 2．工具：同花顺证券投资专用软件 六、实验步骤 我选的股票是 *ST 大荒，股票代码600598 ， 1998 年 11 月 27 日，黑龙江垦区审时度势、果断决策，将优势资源进行战略性重组，组成了黑龙江北大荒农业股份有限公司（以下简称公司）。 公司经国家经贸委批准，由具有60 年发展历史的中国500 强企业，北大荒农垦集团总公司（以下简称集团公司）作为独家发起人，注册资本为万元。 2006 年 5月16日，中国证券报“2005年度上市公司百强评选结果”揭晓，“北大荒” 列“ 2005 年百强主榜单”第90名。2006年5月29日，“北大荒”入选中证100指数样本股，北大荒股份在资本市场上的形象进一步提升。“ 2008 年中国蓝筹种植企业十强”荣誉称号。特别是2009年，公司在沪深两市1573家上市公司中脱颖而出，荣获“2009 中国上市公司最佳董事会”排序第21 名的殊荣，如今势头也强劲。 下面我就来分析一下我选这只股票的原因：? （一）、基本面分析 1、本年度业绩回顾 科目时间2014-09-30 2014-06-30 2014-03-31 2013-12-31 2013-09-30 2013-06-30
股票市场流动性衡量方法的理性选择 ” 【摘要】在国内，股票市场流动性的研究方兴未艾。从国内文献来看，对于中国证券市场（尤其是股票市场）的流动性水平究竟如何评价，研究结论分歧相当严重，其主要在于没有一个合理的中国流动性衡量方法。本文以流动性的本质为起点，深入分析各种衡量方法，结合我国证券市场特点，提出衡量方法的选择标准，对此后的流动性研究有借鉴作用。 【关键词】流动性衡量方法 流动性是证券市场健康有序运行并充分发挥作用的重要条件之一。在证券市场上，交易商、限价订单的提供者以及其他一些投机者为市场提供了流动性，经纪商和交易所组织流动性，而无耐心的投资者获得或需要流动性。一个具有良好流动性的证券市场不仅能在交易成本尽可能低的情况下为投资者提供大量转让和买卖证券的机会，满足投资者获利、避险等需求，同时也为筹资者提供了筹资的必要前提。如果市场缺乏流动性，则会导致交易难以完成，证券发行受阻，市场也就失去了存在的必要。 一、流动性的内涵 可以说，流动性是证券市场的生命力所在，即“流动性是市场的一切”。（Amihud & Mdelson,1988）。从更广泛的意义上看，市场流动性的增加不仅保证了金融市场的正常运转，也促进了资源有效配置和经济增长。（Leevine,1991）证券市场的一个主要功能就是在交易成本尽可能低的情况下，使投资者能够迅速、有效地执行交易。也就是说，市场必须提供足够的流动性。但是对于流动性的定义却众说纷纭。有的从价格角度，认为流动性就是“立即完成交易的价格”（O’hara,1995）；有的从及时性角度来定义流动性，即“在一定时间内完成交易所需的成本，多寻找一个理想的价格所需用的时间”。（Amihud & Mendelson,1989）；也有人把流动性概括为“为进入市场的订单提供立即执行交易的一种市场能力”和“执行小额市价订单时不会导致市场价格较大幅度变化的能力”。Black （1974）指出，市场有流动性是指任何数量的证券都可立即买进或卖出，或者说小额买卖可以按接近市场价格、大额买卖在一定时间内可按平均接近日前市场价
非参数回归模型
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预 测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为：
第四章 非参数统计实验 参数统计学中的许多统计分析方法的应用对总体都有严格的假定，例如，t 检验要求总体服从正态分布，F 检验要求误差呈正态分布且各组方差为齐性的等等，然而在现实生活中，有许多总体的分布我们却是一无所知或知之甚少，所以在参数模型中所建立的统计推断就会失效，于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。这就是非参数统计的宗旨。非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。 实验一 卡方检验（Chi-square test ） 实验目的： 掌握卡方检验方法。 实验内容： 一、2χ拟合优度检验 二、2χ独立性检验 三、2χ齐性检验 实验工具： SPSS 非参数统计分析菜单项和Crosstabs 菜单项。 知识准备： 一、卡方拟合优度检验 2 χ检验(Chi —Square Test) 适用于拟合优度检验，适用于定类变量的检验问 题，用来检验实际观察数目与理论期望数目是否有显著差异。当检验问题是实际分布是否与理论分布相符合时，在大样本时也可以用分类数据的卡方检验来解决，这时的卡方检验也称为分布拟合的卡方检验。 若样本分为k 类，每类实际观察频数为k f f f ,,,21 ，与其相对应的期望频数为 k e e e ,,,21 ，则检验统计量2χ可以测度观察频数与期望频数之间的差 异。其计算公式为： ∑ ∑ -= -= =期望频数 期望频数实际频数2 1 2 2 ) () (k i i i i e e f χ
很显然，实际频数与望频数越接近，2χ值就越小，若2χ＝0，则上式中分子的每—项都必须是0，这意味着k 类中每一类观察频数与期望频数完全一样，即完全拟合。2χ统计量可以用来测度实际观察频数与期望频数之间的拟合程度。 在H 0成立的条件下，样本容量n 充分大时，2χ统计量近似地服从自由度df ＝k-1的 2 χ分布，因而，可以根据给定的显著性水平α，在临界值表中查到 相应的临界值)1(2 -k αχ。若)1(2 2 -≥k αχχ ，则拒绝H 0，否则不能拒绝H 0。 所有的统计软件都可以输出检验统计量的显著性p 值，也可以根据显著性p 值和显著性水平α作比较，若α≤p ，则拒绝H 0，否则不能拒绝H 0。 另外卡方拟合优度检验也可以用来检验某总体是否服从某一特定分布的假设。拟合优度检验中几种常用分布的参数如表4-1： 表4-1 拟合优度检验中几种分布的参数 二、2χ独立性检验 假设有n 个随机试验的结果按照两个变量A 和B 分类，A 取值为A 1，A 2，…，A r ，B 取值为B 1，B 2，…，B s ，则形成了一张s r ?的列联表，称为s r ?二维列联 表。其中ij n 表示A 取A i 及B 取B j 的频数，n n r 1 i s 1 j ij =∑∑==，其中： r ,...,2,1i ,n n s 1j ij i.== ∑=表示各行的频数之和 s ,...,2,1i ,n n r 1 i ij .j == ∑=表示各列的频数之和
财经大学证券投资学论文—“格力电器”股票价值分析
财经大学“证券投资学”课程论文 课程名称：证券投资学 任课教师：玉宝 班级： 论文题目：“格力电器”证券投资分析 【摘要】：论文首先介绍了宏观经济和证券市场目前形势，并对证券行业进行了分析，接着从格力电器公司的竞争地位、经营管理、公司财务状况三个面对公司进行了简要介绍，并采用PE、PEG、DDM 三种法对股票价格进行估值，最后提出了该股票的投资价值。【关键字】：格力电器宏观经济市场价值
格力电器证券投资分析 一、宏观分析 （一）经济形势分析 1、经济期分析： 进入2013年，世界各国刺激经济增长的政策推动全球经济缓慢回升，国外经济环境有所好转；国“稳增长”政策继续发挥作用，企业由“去库存”逐步转入“补库存”，我国宏观经济运行将延续小幅回升态势，2013年全年GDP增速有望高于2012年。预计2013年一季度GDP增长8%左右，CPI上涨2.6%左右，国民经济平稳开局。2013年第一季度中国GDP增长7.7%，市场预期为8.0%，此前2012年第四季度该数据增长7.9%，2013年全年中国GDP增长目标为7.5%，一季度消费、工业生产表现弱于市场预期；但投资、出口相对强劲，市场流动性较为宽松，增长呈弱复态势。 2、货币政策分析 2013年美联储、欧洲央行、英格兰银行、日本央行等发达央行仍在集体实施量化宽松政策，全球金融市场不但处于低利率状态，而且充斥着过度的流动性，在此国际背景下，中国央行在实施国货币政策时面临两大挑战：一是短期国际资本的频繁波动；二是输入性通胀压力可能居高不下。2013年中国CPI增速可能回升到3.5%上下，通胀压力回升也会压缩央行实施扩性货币政策空间。从货币政策工具的使用来看，央行降息与加息的可能性都不太大，央行通过发行央票来进行公开市场操作的积极性也不高，可能频繁使用的工具仍是法定存款准备金率与逆回购。 （二）证券市场形势分析
中国股票市场流动性特征及其影响因素 一、中国股市流动性特征 1.中国股市流动性特征。 以下内容主要根据上海股票交易所和深圳股票交易所的数据进行综合整理得到。 （1）买卖价差。 买卖报价差(bid-ask spread)，也称为买卖价差，买卖价差分为绝对买卖价差和相对买卖价差两种形式，是度量流动性最基本的指标之一。一般而言，价差越大，流动性越差，价差越小，流动性则越强。 上海股票市场：全部股票的绝对买卖价差和相对买卖价差的年度结果如图1。继2005年、2006年连续两年显著降低后，2007年的绝对买卖价差有所上升，而相对买卖价差则进一步下降。2007年的绝对买卖价差是0.03元，这主要是由于2007年股票单价相比2006年较高造成的。2007年的相对买卖价差是24个基点，比2000年和1995年分别降低了64％和84％，比2006年下降了23%。
深圳股票市场：深市A股的绝对买卖价差和相对买卖价差的年度结果如图2。从2003年到2006年，绝对买卖价差逐年下降，2007年的绝对买卖价差有较大的上升。而相对买卖价差，继2002年到2005年连续四年上升后，2006年和2007年则显著下降。 （2）有效价差。 有效价差也是度量流动性最基本的指标之一，有效价差分为绝对有效价差和相对有效价差两种形式，有效价差越大，流动性越差，有效价差越小，流动性则越强。 上海股票市场：上海股市全部股票的绝对有效价差和相对有效价差的结果如图3。2000年的有效价差最大，2005年和2006年显著降低，2007年的绝对有效价差又重新增加至接近1995年的水平，而相对有效价差则进一步下降。
灵敏度分析 简介： 研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。 用途： 主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。 举例（建模五步法）： 一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。 建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题 第一步：提出问题 将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。 （建议先写显而易见的部分） 猪从200磅按每天5磅增加 （w磅）=（200磅）+（5磅/天）*（t天） 饲养每天花费45美分 （C美元）=（0.45美元/天）*（t天） 价格65美分按每天1美分下降 （p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天） 生猪收益 （R美元）=（p美元/磅）*（w磅） 净利润 （P美元）=（R美元）-（C美元） 用数学语言总结和表达如下： 参数设定： t=时间（天）
w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元） 假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值 第二步：选择建模方法 本例采用单变量最优化问题或极大—极小化问题 第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3） 得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5） 得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1） 第四步：求解模型 用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。 第五步：回答问题 根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。
股票投资分析报告模板
了外部冲击，传统大卖场还面临着高租金、高人工、高能耗、高折旧压力的挑战。不过，电商的持续发展也会遇到缺乏线下优势支撑的问题。“随着电商发力线下，其经营成本、经营管理的瓶颈也会显现出来。传统零售商转型过程中同样也不仅仅只有劣势，生鲜食品经营将是线下零售企业的经营优势。” 今年以来，各大商超卖场都在进行轰轰烈烈的互联网+活动，物美的支付宝日的推广对象甚至蔓延到每天早上排队买特价鸡蛋的大爷大妈，不过商超卖场的互联网+之路依然十分漫长。大多数商超、大卖场的互联网+，仍然停留在支付阶段，并没有深入到零售模式的环节，借助互联网等工具在改良零售现有的业态，并没有改造和颠覆现有的业态。 1.2.2市场营销趋向 1.2.2.1普及移动支付，提升有效流量，挑战原有商业模式 移动互联时代，零售行业的数字化服务能力受到挑战，在消费行为深受数字化影响的今天，超市行业需要调动各种力量来重塑消费者的全渠道购物体验。 移动支付和微信公众号几乎成为超市行业的标配。支付宝、微信支付在抢夺商超资源方面毫不手软，撒钱无数。这是一个将每个到店的顾客变为有效流量，进而产生商业价值的有效手段。不少超市企业通过移动支付来提升顾客结账体验，也为顾客提供了更有趣、更便捷、更多的服务。超市在采用移动支付后，单个顾客结账时间明显缩短，销售同比拉升，除了移动支付企业本身进行补贴推广外，吸引更多的年轻顾客到店，分析消费大数据进而调整商品结构也是超市自身的一个机会。 在线上线下融合的环境下，用户向线上迁移最终会带动所有品类的电商化，实体零售的优势也需要以数字化的形式进行再造。数字化对超市原有的商业模式有一定的挑战，采购和商品运营、库存管理、消费者服务等方面都需要随之改变，而现在超市所做的还远远不够，就目前案例来讲，技术因素在超市运营中的最大价值还未得到充分体现。实体零售拥有让互联网公司羡慕的流量入口，却把大量流量浪费在店门口，如何将每一个到店顾客变为有效的流量，进而产生商业价值，是实体零售在“互联网+”下要解决的关键问题。 1.2.2.2改变零供关系，建立新型管理模式，匹配消费者需求 表面上，电商从线下抢走的是市场份额，本质上是消费者的流失;超市行业采取诸多手段改善商品或者环境，实际上是在争取消费者。国内连锁超市的发展得益于中国经济和中国市场，但自身基本功并不到位，互联网是新工具和手段，能够帮助零售企业更好地体现根本价值，即用物美价廉的商品、高效的供应链和良好的顾客服务来满足消费者。 商业本质即提供满足消费者的商品和服务，这涉及到零供双方的合作，过去十余年间，零售商与供应商的矛盾冲突不断，如今，在互联网零售和移动电商的冲击下，两者摒弃前嫌，坐到了一起。要重构零售的新生态，核心是回归到消费者，零供双方从博弈到价值共享，是必须要走的路，但仍有难度，要破掉一些利益格局。 消费需求也在随时发生变化，最新的变化是对包括海外商品在内的高品质商品和送货到家服务的需求明显上升，这也是诸多超市增加进口商品、开展跨境电商的原因;事实上，由于传统超市在供应链方面多年的积累，在跨境电商的运营上比纯粹的跨境电商要容易起步，但这无疑是一次再创业，是浅尝辄止还是深挖垂直领域，要根据各自不同的优劣势判断。同时，部分超市将周边社区
F inance 金融视线 3年月 5 我国股票市场收益率的影响因素研究——基于利率调整和流动性变化的数据分析 暨南大学 劳健林 摘要：本文通过SV A R 的方法，捕捉系统里银行间7天内同业拆借加权利率和广义货币量分别对上证综指连续复利收益率和深证成指连续复利收益率的结构关系，发现利率对股票市场收益率存在反向即期影响，而广义货币量则存在正向即期影响。最后，本文就研究结论提出政策性建议。关键词：利率广义货币量股票市场收益率结构向量自回归模型中图分类号：F832 文献标识码：A 文章编号：1005-5800(2013)07(b)-075-03 1研究背景 近期受到银行间流动性紧张以及其他方面因素的影响，我国股市出现大幅的下滑。2013年6月25日，沪指盘中击破1949点下探至1849点，市场再度回到2000点以下。中国股市是政策驱动型，当局发出的信号对投资者的影响尤为重要。对于银行间同业拆借利率的飙升，刚开始时央行态度坚定，不予救市并规劝商业银行整理贷款账目，这些利空消息致使投资者急于抛售资产。正因为利率调整和流动性变化对我国股票市场收益率有着重要的影响关系，国家当局可以通过利率和流动性对股票市场的主体来进行引导，促进资本市场进而整个宏观市场的健康发展。 利率是一国货币政策的重要指标，央行对基准利率进行调整，控制国内信贷规模和货币投放量，引导各种市场主体的经济行为，从而达到对宏观经济进行调控的目的，使国家的经济走上平稳发展的轨道。利率是影响股票市场的基本因素，一般认为利率与股票价格存在反向变动关系，因为利率是股票的投资机会成本，一旦利率上升会使资金流出股市，从而导致股价下跌，投资者收益率减少。而流动性反映的是在一个宏观体系中所投放货币量的多寡情况。一般来说，流动性较好的时候，为投资者提供资金来源注入股市，从而有更好的投资预期，即流动性与股市收益率存在一个正向变动关系。既然利率与流动性对一国股票市场产生如此重大的影响作用，本文将从以往的历史数据入手来探究三者之间的关系。 2实证分析 2.1SV AR 模型构建及识别 2.1.1SV AR 模型构建及样本选取 SVAR 较VAR 优良在于可以捕捉模型系统内各个变量之间当期的结构性关系，并可直观地观察标准正交随机扰动项对系统冲击的影响情况，且其脉冲响应函数分析过程中使用到的变量冲击是独立于其他变量冲击，排除其他因素的干扰。因此，本研究分析构建如下的SVAR(p)模型： AALyt=A εtA εt=Bet Eet=0 Eetet'=In 其中，yt 是n 阶列向量，其分量为研究系统内的各变量；A 、B 被称为正交因子分解矩阵，都是n 阶非奇异矩阵。矩阵A 反映结构性冲击对内生变量的影响乘数；矩阵B 则对标准正交随机扰动项的方差-协方差矩阵设置约束条件。εt 是缩减式V AR 模型中的随机扰动项，亦称为脉冲值，服从向量高斯白噪音过程，即εt~VGW(0,Σ)；Σ是随机扰动项的方差协方差矩阵，即εε'=Σ。而则称为标准正交随机扰动项，期望值为零，各分量间正交即相互独立，且其方差协方差矩阵为单位矩阵。矩阵将系统中的随机扰动项ε转 化为标准正交随机扰动项et 的线性组合，该线性组合通过B 矩阵来实现。 AL 是滞后算子多项式的矩阵表达形式：AL=In-i=1pAiLi ，其中，Ai(i=1,…,p)为n 阶系数矩阵，Li 为滞后i 阶的算子。 要考察系统中利率对股票市场收益率的影响作用，利率选取银行间7天内同业拆借加权利率作为代表变量，因为该利率更能反映出货币市场的利率变化情况；而流动性则选取广义货币量作为代表变量。因此，yt 的分量为银行间7天内同业拆借加权利率I Rt ，广义货币量M2，股市收益率RORt ，即yt=(I Rt,M2t,RORt)'。股市收益率分别考虑上海证券交易所的上证综指连续复利收益率SHRORt ，此时yt=(IRt,M2t,SHRORt)'；与深圳证券交易所的深证成指连续复利收益率SZRORt ，此时yt=(IRt,M2t,SZRORt)'。连续复利收益率的计算公式为：RORt=LnPt-LnP t-1，Pt 为t 时点的指数收盘价。 原始数据来源于WIND 数据终端EDB ，选取2001年1月至2012年12月各个随机过程的月数据作为一个实现，样本容量为144。再使用EXCEL 和STATA 等统计软件对数据进行实证分析。 2.1.2SV AR 模型的识别 该模型的识别问题就是要符合联立方程中的阶条件。SVAR (p)模型共有A 、B 矩阵的系数需要估计，共2n2个元素。由所构建的SVAR 模型可推出，A εt εt'A'=BB'，等号两边皆为对称矩阵。即一旦模型设立，就附加n(n+1)/2个约束条件，剩下的2n2-n(n+1)/2个约束条件需要通过其他的限制方式来完成。 通常使用的方法有两种：短期约束条件和长期约束条件，在此仅考虑前者。短期约束条件是对A 、B 两个矩阵的元素进行约束，而这两个矩阵此时也称为类型矩阵。首先，对类型矩阵A 进行分析，需要甄别所建立的SVAR 模型背后的经济意义，考虑到当期我国股票市场收益率和当期广义货币量的结构冲击不会立即对当期的利率产生影响，以及当期我国股票市场收益率也不会对当期广义货币产生影响，使用三个“伍德因果链”约束条件，即I Rt eRORt=0， IRt eM2t=0和M2t eRORt=0。然后，考虑类型矩阵B ，为使结构扰动项彼此不相关，这也是比较合理的假设，从而类型矩阵B 设为对角矩阵的形式。至此，可以构造出两个类型矩阵，此时模型恰好识别：A=100.10..1，B=.000.000.。2.2单位根检验及格兰杰因果检验 2.2.1单位根检验 分别对四个变量进行单位根检验，发现上证综指连续复利收益率的τ值为356，绝对值大于5%置信水平上的临界值35的绝对值，通过单位根检验；而深证成指连续复利收益率的τ值 www.china bt .n et 201707-E t t et -A t -.2-.44
非参数回归模型 非参数回归模型也叫多元回归模型，它是一种脱离于混沌理论的多条路段分析方法。它是对当前路段和几条相邻路段的交通流信息对当前路段进行交通流预测的单条路段分析的扩展。它不需要先验知识，只需要有足够的历史数据即可。它的原理是：在历史数据库中寻找与当前点相似的近邻，并根据这些近邻来预测下一时间段的流量。该算法认为系统所有的因素之间的内在联系都蕴含在历史数据中，因此直接从历史数据中得到信息而不是为历史数据建立一个近似模型。非参数回归最为一种无参数、可移植、预测精度高的算法，它的误差比较小，且误差分布情况良好。尤其通过对搜索算法和参数调整规则的改进，使其可以真正达到实时交通流预测的要求。并且这种方法便于操作实施，能够应用于复杂环境，可在不同的路段上方便地进行预测。能够满足路网上不同路段的预测，避免路段位置和环境对预测的影响。随着数据挖掘技术左键得到人们的认可和国内外学者的大量相关研究，使得非参数回归技术在短时交通流预测领域得到广泛应用。 非参数回归的回归函数()X g Y =的估计值()X g n 一般表示为： ()()∑==n i i i i n Y X W X g 1 其中，Y 为以为广策随机变量；X 为m 维随机变量；（Xi,Yi ）为第i 次观测值，i=1,...,n ；Wi(Xi)为权函数.非参数回归就是对g(X)的形状不加任何限制，即对g （X ）一无所知的情况下，利用观测值（Xi,Yi ），对指定的X 值去估计Y 值。由于其不需要对系统建立精确的数学模型，因此比较适合对事变的、非线性的系统进行预测，符合对城市交通流的预测，同时可以与历史平均模型实现优缺点的互补。 K 近邻法 Friedman 于1977年提出了K 近邻法。其并不是让所有的数据都参与预测，而是以数据点到X 点的距离为基础，甲醛是只有离X 最近的K 个数据被用来估计相应的g(X)值。可以引入欧式空间距离d ，然后按这个距离将X1，X2，...,Xn 与X 接近的程度重新排序：Xk1,...,Xkn,取权值如下： Wki(X:X1,...,Xn)=ki,i=1,..,n 将与X 最近的前K 个观测值占有最大的权K=1，其余的观测值赋予权值k=0.最终得到应用于短时交通流预测的K 近邻法可表示为： ()()()()K t V t V g t V K i i ∑=+==+111
永辉超市股票分析报告(601933) 1基本面分析 宏观经济形势分析 国际经济形势分析 2017年上半年的全球经济表现良好，逐渐从衰退中开始复苏。按照不同国家和地区来看，主要发达国家的经济复苏态势明显，全球金融形势骤然恶化的已是小概率事件。总体来看，2017年上半年全球经济呈现持续温和复苏态势。据实体经济高频统计与景气调查指标显示，自2016年下半年以来，全球经济逐步摆脱了持续六年低速运行的态势。从工业生产、贸易和投资等“硬指标”看，截至今年一季度的数据均显示，全球经济加快增长，并创下近六年以来的新高。从采购经理人指数、消费者信心指数和OECD领先指数等“软指标”看，全球经济持续维持较好的增长态势。 中国经济形势分析 2017年前三季度GDP达到593288亿元，按可比价格计算，同比增长%，增速与上半年持平，比上年同期加快个百分点。分产业看，第一产业增加值41229亿元，同比增长%；第二产业增加值238109亿元，增长%；第三产业增加值313951亿元，增长%。三季度，国内生产总值同比增长%，经济连续9个季度运行在的区间，保持中高速增长。总的来看，前三季度国民经济稳中有进、稳中向好的态势持续发展，支撑经济保持中高速增长和迈向中高端水平的有利条件不断积累增多，发展的包容性和获得感明显增强，为更好地实现全年经济发展预期目标奠定了扎实基础。但也要看到，国际环境依然复杂多变，国内经济仍处在结构调整的过关期，持续向好基础尚需进一步巩固。 行业总体分析 超市行业竞争剖析 超市行业关店潮涌，后劲已然不足。
自去年以来，超市、便利店的关店力度丝毫不逊于百货业，沃尔玛、家乐福、乐购、人人乐……这些曾经雄霸一方的零售大佬都主动或被动关闭门店。统计数据显示，2015年上半年，主要零售企业（含百货、超市）在国内共计关闭121家门店，其中超市业态关店数量更是高达96家。 业内人士指出，在租金成本、人力成本不断攀升的背景下，大型商超的运营成本也随之逐渐升高，而外资超市对华市场变化和反应速度比本土超市迟缓，租金优势不再也导致外资超市成为关店的先锋。 互联网市场冲击实体市场 电商带来的冲击是普遍的、持续深入的，接下来这种冲击会蔓延到省会级城市和三四线城市，甚至部分县城的大卖场也会感受到电商业带来的寒潮。除了外部冲击，传统大卖场还面临着高租金、高人工、高能耗、高折旧压力的挑战。不过，电商的持续发展也会遇到缺乏线下优势支撑的问题。“随着电商发力线下，其经营成本、经营管理的瓶颈也会显现出来。传统零售商转型过程中同样也不仅仅只有劣势，生鲜食品经营将是线下零售企业的经营优势。” 今年以来，各大商超卖场都在进行轰轰烈烈的互联网+活动，物美的支付宝日的推广对象甚至蔓延到每天早上排队买特价鸡蛋的大爷大妈，不过商超卖场的互联网+之路依然十分漫长。大多数商超、大卖场的互联网+，仍然停留在支付阶段，并没有深入到零售模式的环节，借助互联网等工具在改良零售现有的业态，并没有改造和颠覆现有的业态。 市场营销趋向 普及移动支付，提升有效流量，挑战原有商业模式 移动互联时代，零售行业的数字化服务能力受到挑战，在消费行为深受数字化影响的今天，超市行业需要调动各种力量来重塑消费者的全渠道购物体验。 移动支付和微信公众号几乎成为超市行业的标配。支付宝、微信支付在抢夺商超资源方面毫不手软，撒钱无数。这是一个将每个到店的顾客变为有效流量，进而产生商业价值的有效手段。不少超市企业通过移动支付来提升顾客结账体
[云南白药股票分析报告]股票分析报告范文【--个人简历范文】 一、我国经济形势分析及证券市场现状分析 1、我国经济形势分析 作为资本市场的核心，证券市场在我国的建立和发展始于改革开放初期。 1981年到1987年国债年均发行规模仅为59.5亿元，进入90年代以来国债发行数额年均达到千亿元。而1997年已达到2 412亿元。在股票市场上，迄今沪、深两地上市公司已达900余家，上市股票市价总值达2万亿元。我国资本市场在短短十几年，达到了许多国家几十年甚至上百年才实现的规模，取得了不少成功经验；但也存在如下一些问题，严重制约了证券市场自身功能的发挥，阻碍了证券市场的健康发展。这些问题主要是： 1) 证券市场规模过小。以股票市场为例，虽然发展速度较快，但是从总体规模看，与国外还有相当大差距，参与股票投资的人数占总人数的比例，全世界平均为8%左右，发达国家的比例则更高，如英、美均在20%以上。我国目前股市投资者为3 300万人，仅占全国总人口的2.7%。另外，从股市总市值占国内生产总值(GDP)的比重看，世界平均为30%左右，美、日、英等国均在80%以上，而我国为24.2%，
况且在总市值中还包括大部分不流通的市值，如果扣除这一部分，我国股市总值占GDP的比重就更低了。由此可见，我国股市规模较小，与国民经济发展的客观要求有较大差距，同时也可以看出在我国扩大股市规模有很大的潜力可挖。 2) 资本市场主体缺位。在市场经济条件下，企业是资本市场的重要主体。而目前我国企业主体地位非常脆弱。政企不分、产权不清、权责不明、约束无力、活力不足仍然是我国企业的主要特征，企业主体地位残缺。另外，我国资本市场主体残缺还表现在投资主体主要是个人，其投资的质和量均较低，以投资基金为代表的机构投资者比重明显不足。相比之下美国等发达国家，机构投资者成为资本市场的重要主体，其机构投资者主要有年金基金、商业银行信托部、保险公司、共同基金等。由于机构投资者是专业性金融中介机构，其投资活动具有投资量大、交易费用低、交易风险小的特点，很受大众投资者的欢迎。如美国，每4户人家就有1户向投资基金投资。由于我国资本市场机构性投资者发展滞后，这使得仅靠若干家大机构和数以万计的小股民散户所支撑的股市投机盛行，股价暴涨暴跌难以避免，阻碍了股市的健康发展。 3) 市场分割，整体性差。首先，一级市场的发行仍然按地区分配额度，限制企业进入资本市场，债券地区性发行市场也是按省分派额度(企业债券发行)和按银行分支机构分派额度(政府债券发行)。至
淮北师范大学 2011届学士学位论文 线性规划灵敏度分析 学院、专业数学科学学院数学与应用数学 研究方向运筹学 学生姓名陈红 学号20071101008 指导教师姓名张发明 指导教师职称副教授 2011年4月10日
线性规划的灵敏度分析 陈 红 （淮北师范大学数学科学学院，淮北，235000） 摘 要 本文主要从价值系数j c 的变化，技术系数ij a 的变化，右端常数i b 的变化以及增加新的约束条件和增加一个新变量的灵敏度这几个方面来进行研究；资源条件是线性规划灵敏度分析中的主要应用内容，而对于资源条件b 的一个重要应用是：“影子价格问题”的实际应用，最后简述了线性规划在经济及管理问题上的典型应用和从求解例题的图解法揭示了最优解的一些重要特征。 关键词 单纯形法，灵敏度分析，最优解，资源条件，价值系数
Sensitivity Analysis of Linear Programming Chen Hong (School of Mathematical Science,Huaibei Normal University ,Huaibei,235000) Abstract This thesis is mainly from the variety of the cost coefficient …j c ?, the variety of technology coefficient …ij a ?, the variety of the resources condition…i b ?and increase the new restraint and new variable to analytical linear programming of sensitivity analysis.This thesis is mainly based on the simplex method and dual simplex method of linear programming to system analytical the influence of the variety upon the optical solution of the coefficient of the simplex table.Linear programming of sensitivity analysis in physically of application is mainly about application of the variety of resources c ondition…i b ?in the economic management …shadow price problem?. Keywords simplex method, sensitivity analysis, optimum solution ， resources condition ，cost coefficient