Financial View
金融视线 |
MODERN BUSINESS 现代商业45
上证A股指数的走势分析与预测
张碧月 陕西师范大学 710100
摘要:本文旨在以时间序列模型为基础,选择上证A股指数为研究对象,对上证A股指数在2008年1月-2012年5月的53个月度数据eviews 软件进行进行实证分析。在此,本文采用时间序列分析中的一种常见的模型: ARIMA 模型进行相关的分析和预测,对变量的发展规律进行了研究,并对未来三个月的上证A股指数做短期预测。通过研究分析可知计算所得的相对误差范围均达到要求,则采用ARIMA 模型做股票价格预测是可行的。关键词:上证A股指数;时间序列;eviews软件;ARMA模型
一、引言
股票市场是一个复杂的非线形系统,市场受到来自政治,社会,经济,心理等方面的影响,因而对其运动行为很难建模。但是,正如技术分析所假设的“市场是有趋势可循的,市场价格反映了一切,历史往往会重演”,这也就是说明尽管复杂,但市场还是隐含着某些规律性。股价的历史轨迹形态对未来价格趋势特别是短期趋势有着重要的预测价值,这不仅得到市场上许多技术分析者的支持而且一些研究结果也证实了这一点。
股票的价格走势直接影响着投资者的经济利益,以及不同行业的景气状况, 也影响和反映着国家的宏观经济政策。因此正确的建立相关的模型进行股票价格预测有着重大意义,本文选取的变量是能够反映A股的综合波动趋势的上证A 股指数,目的在于试图找到一种较为理想的模型可以以一定的精确度来描叙现实股票市场价格波动的现象,并得到一些有意义的结论。
二、模型描述
1、Box-Jenkins方法(博克思-詹金斯法)——ARIMA 模型。其基本思想是:某些时间序列是依赖于时间T 的一组随机变量,构成该时间序列的单个序列值虽然具有不确定性,但整个序列的变化却有一定的规律可以用相应的数学模型近似描述。该方法不考虑以经济理论为依据的解释变量的作用, 而是依据变量本身的变化规律, 利用外推机制描述时间序列的变化,能达到最小方差意义下的最优预测, 是一种精度较高的时序短期预测方法。
Box-Jenkins方法用变量Xt自身的滞后项,以及随机误差来解释该变量,具体形式可表达成ARIMA(p,d,q)。其中p 表示自回归过程阶数, d表示差分的阶数, q表示移动平均过程的阶数。
若时间序列是平稳的, 可直接运用ARIMA 模型:若时间序列是非平稳的, 则需要经过d 阶差分, 将非平稳时间:将非平稳时间序列转换成平稳时间序列。
其中,模型的假设条件为:①线性假设;②εt是白噪声序列;③假定:E(Xt,εS)=0(t 用于一个平稳、零均值时间序列的短期预测。 三、建模过程——利用eviews软件 1、数据的选取 本文原始数据来源于东方财富网(h t t p ://d a t https://www.doczj.com/doc/d112207755.html,),通过整理可以获得月度上证A股指数平均值,其中,选取了2008年1月到2012年5月的数据。由于2008年金融危机的影响,股票大盘指数暴跌,给投资者带来了严重的损失,本文通过对后金融危机时期的A股指数走势的分析,对危机后的中国股市做一个大致的了解,并对指数走势进行短期预测。其中,用Xt来表示月度A股指数序列。2、数据的平稳性检验 从图1曲线的走势可以看出2008年有一个骤降,之后的走 ——基于时间序列模型 Financial View| 金融视线 MODERN BUSINESS 现代商业 46 势都很平稳。下面,通过ADF检验来验证它的平稳性。从表 1中可以看出,变量通过了单位根检验,数据在5%的显著性水 平下是平稳的,因此,上证A股指数的时间序列数据是零阶单 整的,所以可以直接建立ARMA模型。 3、模型的识别与选择 模型的识别可以通过自相关和偏自相关图来判别。为了 更好地拟合模型,本文首先采AIC 准则及模型显著性检验进 行ARMA (p,q) 的选择。选取拟合效果较好并且不太繁杂 的模型作为最优模型。AIC 准则可以在模型极大似然的基 础上,对模型的阶数和相应参数同时给出一种最佳估计。 由图2中A C F和P A C F拖尾的性质可以初步判断应建 立A R M A模型。通过对A R M A(1,1)、A R M A(2,1)、 ARMA(3,1)、ARMA(1,2)、ARMA(2,2)、ARMA(3,2)、 ARMA(3,3)模型的比较可以看出,MRMA(2,1)优于其他模 型(表2)。所以如果通过检验,就认为模型MRMA(2,1)可以 视为最优模型。 4、模型检验和确定 由上表2中的参数估计的P值和t统计量可以看 出,ARMA(2,1)通过了显著性检验。接下来,需要对这个拟 合模型的残差序列进行白噪声检验,若属于白噪声序列,则认 为该拟合模型显著有效。 从图3可以得出序列的相关分析结果:1.可以看出自相关 系数始终在零周围波动,判定该序列为平稳时间序列。2.看 Q统计量的P值:该统计量的原假设为残差的1期,2期……k 期的自相关系数均等于0,备择假设为自相关系数中至少有一 个不等于0,因此如图知,该P值都>5%的显著性水平,所以接 受原假设,即序列是纯随机序列,即白噪声序列。因此,模型 ARMA(2,1)是合理的。 可以得出模型的表达式为: 四、模型的拟合与预测 静态预测是采用滞后因子变量的实际值而不是预测值来 计算一步向前的结果,所以Eview 软件的静态预测所得结果 比动态预测更加准确。因此本文采用的是动态预测,根据所 建立的ARMA (2,1) 模型对未来三个月的上证A股指数的 平均值进行预测: 利用eviews软件检验真实值与模型估计值的拟合程度, 并作出对未来三个月的数据预测图,结果如图4:(图中红线曲 线代表估计值的变化趋势,蓝色代表真实值的变化趋势。其 中,红色曲线多出来的一部分是利用eviews软件对未来6、 7、8月份的预测值。) 表4展示了最后十个月份的实际值与估计值之间的相对 误差: 以上主要是应用ARMA模型来进行建模分析,由最终的拟 合与预测效果图(图4)来看,拟合的效果是相当好的,从表4也可 Financial View 金融视线 | MODERN BUSINESS 现代商业47 基于回归分析的上市公司财务指标与股票价格研究 石方莹 河南许昌 461000 摘要:随着中国股市的不断完善,上市公司质量成为影响股价的核心。本文通过多元回归分析建立财务指标与相对应股票价格的回归模型,考虑到财务指标之间的相关性较强,文章进一步通过逐步回归分析和主成分回归优化模型得到最终结果,验证并分析财务指标对股价的影响力。通过分析发现每股收益、每股净资产、速动比率对股价有显著影响。 关键词:上市公司;财务指标;回归分析 一、引言 股票市场上股票价格千变万化、涨跌无常,究其原因是因为股价受多种因素影响。股价不仅受财政政策、货币政策、产业政策、外贸政策等宏观经济因素的影响,同时还受公司财务信息、股民市场预期以及市场监管等市场内部因素的影响。在这些因素中,广大投资者能够直接或频繁使用的是公司对外公布的财务信息,因此对会计信息的影响作用和影响程度进行分析和验证对投资者是十分必要的。国内外许多学者在这方面做了研究,取得了有意义的成果:Howood and Schefer(1998)从财务报表中计算出资本周转类、应收账款周转类、财务杠杆类及投资报酬类和股价的相关系数较高;黄应绘(2003)研究认为每股收益、净资产收益率与股价之间存在显著的线性关系;王继宁(2008)利用典型相关分析法,对2006年累计涨幅和跌幅前20名的股票作为研究对象进行了实证分析,得出上市公司股票价格的涨跌在一定时期内与其发展能力有显著相关性。 从而会计信息与股票价格必然存在一定的函数关系。本文选取我国河南省50家上市公司2011年第四季度的数据为代表来探究股票价格与财务指标之间的相关关系。采用地域板块为代表是由于地域板块包含了各种行业和层次的不同股票,作为样本能够较好的反映股票价格与财务数据之间的关系。通过对财务指标与股价相关程度的量化,期望能为投资者提供一个有用的参考。 二、多元线性回归 在许多实际问题中,影响因变量的因素往往有多个,这种一个因变量同多个自变量的回归问题就是多元回归,当因变量与各自变量之间为线性关系时,称为多元线性回归。可以建立因变量 Y与各自变量Xi(i=1,2...n)之间的多元线性回归模型: (1) 三、实证分析 1、模型的建立 选择样本股2011年第四季度收盘价为因变量(Y),上市公司公布的财务报表中12个财务指标为自变量,它们分别为:每股收益(X1)、净资产收益率(X2)、销售净利率(X3)、存货周转率(X4)、总资产周转率(X5)、净资产增长率(X6)、净利润增长率(X7)、流动比率(X8)、速动比率(X9)、资产负债率(X10)、每股净资产(X11)、股东权益比率(X12)。假定回归模型为: (2) 2、第一次回归 利用R软件进行OLS回归,得到的回归方程如下: (3) R 2=0.8519,修正的判定系数Adjusted R 2=0.8038,因变量总变化量约85%可由自变量确定;在α=0.01的显著性水平下,F=17.73> Fa 回归方程显著;将回归系数对应的t值与临界值ta/2 比较后发现有八个自变量估计的参数估计t检验未通过,回归系数显著性检验效果不好。3、第二次回归 由R程序得出自变量与因变量的散点图中有明显的离群点,以看出相对误差是很小的,说明估计值具有一定的精确度。而且从对未来三个月的预测值可以看出,曲线是上升的,基本可以判断出在未来三个月上证A股指数具有上升的趋势。 五、结论与缺陷分析 本文利用ARMA 模型,采用eviews软件对月度上证A股指数进行预测分析,该方法可以对现实生活中具有明显趋势的经济数据进行建模,研究其内在规律,更好地把握其未来的发展趋势。 从结果可知,对于短期预测来说,ARMA 模型具有一定的可行性,但其只限短期预测,对于长期趋势或者突发情形,就会表现出局限性,预测的偏差会比较大,因为影响股票价格波动的因素很复杂,有些也很难量化,包括如宏观经济政策因素、政府政策、国际环境影响等。这些因素在ARMA 模型中只能以随机扰动项表示,而在预期的期望值中却无法表现出来。另外,这种传统的多元回归模型均为齐方差性模型,且 假定模型残差的均值为零、方差为常数,但实际上我国股价指数序列往往存在异方差现象。 鉴于此,我们可以采用其他用途更加广泛的模型,例如ARCH 模型、GARCH模型、EGARCH模型等,这些模型考虑的综合因素更多更全面,从而得到的相关的预测结果更加贴近实际,能给人以更好的参考。 参考文献: [1]李子奈.计量经济学(第三版)[M ].北京.高等教育出版社,2009年8月 [2]史代敏,谢小燕.应用时间序列分析[M ].北京.高等教育出版社,2011年5月 [3]厉雨静,程宗毛.时间序列模型在股票价格预测中的应用[J].财经论坛,2011(11):62-63 时间序列预测模型时间序列是指把某一变量在不同时间上的数值按时间先后顺序排列起来所形成的序列,它的时间单位可以是分、时、日、周、旬、月、季、年等。时间序列模型就是利用时间序列建立的数学模型，它主要被用来对未来进行短期预测，属于趋势预测法。一、简单一次移动平均预测法例1.某企业1月~11月的销售收入时间序列如下表所示.取n 4,试用简单一次移动平均法预测第12月的销售收入,并计算预测的标准误差. 二、加权一次移动平均预测法简单一次移动平均预测法，是把参与平均的数据在预测中所起的作用同等对待，但参与平均的各期数据所起的作用往往是不同的。为此，需要采用加权移动平均法进行预测，加权一次移动平均预测法是其中比较简单的一种。三、指数平滑预测法 1、一次指数平滑预测法一元线性回归模型 * 项数n的数值,要根据时间序列的特点而定,不宜过大或过小.n过大会降低移动平均数的敏感性,影响预测的准确性;n过小,移动平均数易受随机变动的影响,难以反映实际趋势.一般取n的大小能包含季节变动和周期变动的时期为好,这样可消除它们的影响.对于没有季节变动和周期变动的时间序列,项数n的取值可取较大的数;如果历史数据的类型呈上升或下降型的发展趋势,则项数n的数值应取较小的数,这样能取得较好的预测效果. 1102.7 1015.1 963.9 892.7 816.4 772.0 705.1 649.8 606.9 574.6 533.8 销售收入 11 10 9 8 7 6 5 4 3 2 1 月份 t 158542.7 993.6 12 12950.4 19016.4 17662.4 24617.6 27989.3 基于ARMA模型的上证指数预测的实证报告 作者：日期： 基于ARMA 模型的上证指数预测的实证报告 引言 生活中有很多问题都可以看成是时间序列问题，例如银行利率波动、股票收益率变化以及国际汇率变动等问题。所谓的时间序列问题，是指某一统计对象长时间内的数值变化情况。在实际应用中，经常会遇到许多不满足平稳性的时间序列数据，尤其是在经济、金融等领域。因此，能否有效地挖掘非平稳时间序列的有用信息，对于解决一些经济、金融领域的问题显得尤为重要。目前关于预测股票价格的研究文章有很多，这些已有研究大都采用回归分析、组合预测等方法对股票价格未来变动值进行探讨，得出股票价格在未来短期内的变化趋势及预测值，但预测结果并不非常精准，存在较大的误差。模型不仅可用于拟合平稳性时间序列问题，而且对非平稳时间序列问题同样具有良好的拟合效果，尤其是在金融和股票领域应用最为广泛。 本文主要针对2016-04-18 至2017-03-15 （共计222 个工作日）期间上证综合指数每日收盘价数据，建立上证综合指数每日收盘价预测模型，采用模型对上证综合指数每日收盘价进行高精度的拟合预测。研究结果表明，上证综合指数每日收盘价在短期内将保持平稳上涨，不会有大幅涨跌的情况。研究上证综合指数每日收盘价的短期变动情况了解股票市场变化及制定投资决策具有现实意义，能够为投资者和决策者提供可靠的信息服务及决策指导。 1 模型的理论介绍及平稳性检验 1.1 模型建模流程 1）时间序列的预处理，用模型预测要求序列必须是平稳的，若 所给的序列是非平稳序列，则必须对所给序列做预处理，使其为平稳非白噪声序列。 2）计算出样本自相关系数和偏自相关系数的值。 3 SVM神经网络的回归预测分析---上证指数开盘指数预测 该案例作者申明： 1：本人长期驻扎在此板块里，对该案例提问，做到有问必答。 2：此案例有配套的教学视频，配套的完整可运行Matlab程序。 3：以下内容为该案例的部分内容（约占该案例完整内容的1/10）。 4：此案例为原创案例，转载请注明出处（Matlab中文论坛，《Matlab神经网络30个案例分析》）。 5：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。 6：您看到的以下内容为初稿，书籍的实际内容可能有少许出入，以书籍实际发行内容为准。 7：此书其他常见问题、预定方式等，请点击这里。 Contents ●清空环境变量 ●数据的提取和预处理 ●选择回归预测分析最佳的SVM参数c&g ●利用回归预测分析最佳的参数进行SVM网络训练 ●SVM网络回归预测 ●结果分析 ●子函数 SVMcgForRegress.m 清空环境变量 function chapter14 tic; close all; clear; clc; format compact; 数据的提取和预处理 % 载入测试数据上证指数(1990.12.19-2009.08.19) % 数据是一个4579*6的double型的矩阵,每一行表示每一天的上证指数 % 6列分别表示当天上证指数的开盘指数,指数最高值,指数最低值,收盘指数,当日交易量,当日交易额. load chapter14_sh.mat; % 提取数据 [m,n] = size(sh); ts = sh(2:m,1); tsx = sh(1:m-1,:); % 画出原始上证指数的每日开盘数 figure; 1997-2007十年上证大盘指数走势分析 中国股市一路走来，十多年来经历了无数风风雨雨，值得回味的太多，值得总结的也太多。从年K线来看，上证指数自1990年12月31日95.79点一直到金融危机前突破6000点一路上行，其间所经历的曲折与反复，却是难以详尽描述的，但我们可以通过总结找到其中有规律的地方，来把握股市的发展脉搏。总之中国股市仍将向前发展，向着不断的新高迈进，其留下的历史轨迹值得每一位股市中人好好品味，只有了解了历史，才能更好的把握未来，在股市中健康的存活下去。 一九九七年： 元月2日，上证指数收盘919.43点，成交金额23.7亿元，到元月7日上证指数下探到871.78点，成交量萎缩至19.64亿元，之后股指一路上行，成交量逐步放大，但在5月12日后股指一路下挫，多方极力抵抗，但均无回天之力。台阶式下行一直持续到七月上旬，之后股指呈波浪式行进，到9月23日股指运行至本年最低点1025.13点，当日成交量为30.81亿元。年末开始上涨。 一九九八年： 延续97年年末的上涨走势，股指在98年一季度出现了两次较大的调整行情，元月股指达到第一波调整的顶点1250.01点，2月9日第二波顶点1262.61点。到3月26日，，一波走势强劲的牛市主升行情出现了，到4月9日成交量达到顶峰124.76亿元，股指经过反复振荡上行至6月4日股指达到全年最高1422.98点。8月6日后股指进入加速下跌阶段，8月19日股指已急速下挫之全年最低点1043.02点，心理线也在急跌途中连续两次下探至20左右，11月17日后股指进入连绵阴跌阶段，同时成交量也逐步萎缩，到12月31日股指已经跌至1146.7点。 一九九九年： 延续98年末的绵绵阴跌，到元月开始，股指呈小幅度波形走势，2月8日达到第一波谷底1065.82点，之后股指开始缓慢回升，到4月9日股指达到波峰顶点1210.09点。之后股指又陷入绵绵阴跌中，5月19日股指突然向上发力，成交量也同时放大，日线MACD 出现金差，一波中国股市史上有名的牛市强势上涨就此拉开序幕。 2000年： 延续99年年末的上涨态势，新千年来临之际，大盘展开一段持久的强势上涨行情，1月至8月上证指数一直延续上涨走势，在1～8月这段牛市行情中，前期涨势强劲，大盘共出现了5次调整。8月30日开始大盘开始急速下跌，9月7日到9月14日，大盘出现了一波强劲反弹，上涨初期出现过调整，之后一路上攻，到11月23日上证指数恢复到前期高点，最高达到2125.71点，成交量也放大至145.49亿元。 2001年： 延续去年最后一波向上调整行情，到1月11日上证指数最高上涨至2131.37点，随后指数急速下挫，到2月22日达到谷底1893.78点，随着指数见底，本年度的一轮大牛市行情又拉开了序幕，2月26日日线MACD技术指标出现金差，股指一路上行，到6月14日 上证指数20年里涨跌大体相等回顾上海股市历史数据 2010年上证指数收盘点位是2808.08点，但是，在3个“发”没有给2011年股市带来好运，昨天上证指数报收2199.42点，2011年K线收出大阴线，这样，上海股市20年的历史上，年K线阴线达到10根。不过，总体上20年来上证指数上涨和下跌的年份大体相等，上涨的时候略多一点。 上证指数从1990年到2011年总共有22根年K线，其中，12根是阳线，10根是阴线，涨跌基本平衡，上涨略多一些。观察上证指数收阴线的10根年K线，大部分是连续2根，如1994年和1995年连续2年下跌，2001年和2002年连续2年下跌，2004年和2005年连续2年下跌。至今上证指数没有出现过连跌3年，2010年和2011年上证指数又是连跌2年，那么，明年是不是可能开阳线呢？ 再看跌幅，虽然20年来有10年是下跌的，但是，上证指数跌幅超过20%的也不过只有4次，跌幅最大的是2008年，上证指数下跌65.39%，1994年和2001年上证指数跌幅也超过20%，分别下跌22.3%和20.62%，然后就是今年下跌了21.68%，成为历史上第三大年跌幅。总体看，上海股市有10年是下跌的，但跌幅不算很大。 为了让读者了解20年来上海股市的涨跌情况，将上证指 数每年涨跌数据附在后面。 上证指数历史上年涨跌幅 ■1990年，开盘96.05点，最高127.61点，最低95.79点，收盘127.61点。 ■1991年，开盘127.61点，最高292.75点，最低104.96点，收盘292.75点，上涨129.41%。 ■1992年，开盘293.74点，最高1429.01点，最低292.76点，收盘780.39点，上涨166.57%。 ■1993年，开盘784.13点，最高1558.95点，最低750.46点，收盘833.8点，上涨6.84%。 ■1994年，开盘837.7点，最高1052.94点，最低325.89点，收盘647.87点，下跌22.3%。 ■1995年，开盘637.72点，最高926.41点，最低524.43点，收盘555.29点，下跌14.29%。 ■1996年，开盘550.26，最高1258.69点，最低512.83点，收盘917.02点，上涨65.14%。 ■1997年，开盘914.06点，最高1510.18点，最低870.18点，收盘1194.1点，上涨30.22%。 ■1998年，开盘1200.95点，最高1422.98点，最低1043.02点，收盘1146.7点，下跌3.97%。 ■1999年，开盘1144.89点，最高1756.18点，最低1047.83点，收盘1366.58点，上涨19.18%。 万方数据 中国西部科技２０１０年”月（下旬）第０９卷第３３期总第２３０期 至２００１年１月１１日，共运行７２个交易只。第四子人浪：２００１年１月１２日至２００１年２月２２日，共运行２０个交易口。第五子大浪：２００１年２月２３日至２００１年６月１４日，共运行７５个交易日。第二子循环浪：２００１年６月１５同至２００５年７月１９日（最低点１００４．６６），共运行９８７个交易日。（注意：第二子循环浪的终点是２００５年７月１９日的１００４．６６点，而小是２００５年６月６日的９９８．２３点）其中：ａ浪：２００１年６月１５日至２００３年１１月１３Ｒ，共运行５８１个交易同。ｂ浪：２００３年１１月１４ＬＪ垒２００４年４月７同，共运行９５个交易日。ｃＯ：２００４年４月８日至２００５年７月１９日，共运行３１１个交易日。第三子循环浪：２００５年７月２０同至今。其中：第一子大浪：２００５年７月２０口至２００７年１０月１６日（最高点６１２４．０４），共运行５３７个交易日。第＿子大浪：２００７年１０月１７日虿２００８年ｌＯ月２８日（最低点１６６４．９３），共运行２５３个交易Ｕ。第一｜子大浪：２００８年１０月２９口至今。其中：第‘子中浪：２００８年１０月２９日至２００９年８Ｅ４日（最高点３４７８．０１），共运行１８９个交易同。第二子中浪：２００９年８月５日至２０１０年７月２Ｕ（最低点２３１９．７４），共运｛ｙ２２１个交易日。第三ｆ中浪：２０１０年７月５臼全今。下面我们从波浪运行时间角度结合黄金分割率来说明这种波浪划分的合理性。为此我们先来ｌ川顾黄金分割率的相关知识。 １３世纪意大利伟大的数学家里昂纳多?斐波那契（ＬｅｏｎａｒｄｏＦｉｂｏｎａｃｃｉ）在其著作《计算的书》中提到了一个非常著名的序列（后人称其为斐波那契序列）１，１，２，３，５，８。１３，２ｌ，３４，５５，８９，１４４，２３３，３７７，６１０，９８７，１５９７，２５８４，４１８１… 该序列有如下一些特点：（１）从第专项开始任何一个数字都是前面两个数字的和。（２）前一项与后一项的比值趋近于一个固定常数０．６１８。（３）后一项与前一项之比的比值趋近于一个固定常数１．６１８。 数字Ｏ．６１８和１．６１８称为黄金分割率。黄金分割率可以这样来认识：把１条线段分成两部分，使短的部分与长的部分的比值等十长的部分与原来线段的比值，则这个比值约为０．６１８。 除能反映黄金分割的两个基本比值０．６１８和１．６１８以外，还有０．２３６、０．３８２、ｌ－２３６、１．３８２、２．６１８、４．２３６等。０．２３６是０．６１８的三次幂：０．３８２是斐波那契序列中的项与其后第二项的比值的极限值，也是０．６１８的二次幂；１．２３６是０．６１８的两倍：２．６１８是１．６１８的二次幂，也是ｌ与１．６１８的和；４．２３６是１．６１８和２．６１８的积，也是０．２３６的倒数。 上面各种比率和斐波那契序列在音乐、绘画、建筑、生物、宇宙科学等领域都有很好表现。比如数学ｊ二的黄金螺线、达?芬奇的许多绘画作品、雅典巴台农神庙中都运 ０２用了黄金分割率。波浪理论在研究股市运行时也把它们运用其中。一方面，可以把它们运用丁股价分析，另一方面，也可以运用于股指运行时间分析。本文把它们运用于后者。 上证指数１９９７年５月１２日的运行到高点１５ｌＯ．１８（也是前后若干年的一个相对高点）。这一天恰好是第一大循环浪的第一子循环浪的第．三子大浪的第１子中浪结束的日子。我们非常惊讶地发现，上证指数从１９９０年１２月１９日开始运行到这一天所经历的交易同恰好是斐波那契序列中的一个数１５９７。而更不可思议的足，从下一个交易日开始到完成第‘大循环浪的第一了循环浪用了９８９个交易同（仪比斐波那契序列中的另一个数９８７多了两天），而且接下来的第三大循环浪的第二子循环浪又刚好用了９８７个交易日。 下面是另‘个使人惊奇的事情。上证指数的第一、二大循环浪及第三大循环浪的第一子循环浪（这最后一个交易日达到开市以来的最高点２２４５．４３）共用了２５８６个交易日（仅比斐波那契序列巾的数２５８４多了两天）。而上证指数的第三大循环浪的第一、二子循环浪及第三循环浪的第一子人浪（这最后一个交易Ｕ达到开始以来的最高点６１２４．０４）共用Ｊ，３１９７个交易日。３１９７与２５８６的１．２３６倍的差只有０．７０４。这恰恰符合波浪理论的交替原则。这也从另一个侧面说明我们的数浪应该是正确的。上而的事实及具体数浪情况参看图３。要说明的是，第一大循环浪的第一、二子循环浪伍图中没有标识，原因是它们时间间隔太小，在图上难以标清。再有，波浪的划分（特别是１６６４．９３点是否一定是第ｔ大循环浪的第三子循环浪的第二子大浪的终点）还有待后面的走辫柬进一步确认。 图３ 参考文献： ［１ｊ（美）波泽（Ｐｏｓｔｅｒ，Ｓ．ｗ）著．符彩霞泽．应用艾略特波浪理论获利［Ｍ］．北京：机械丁业出版社，２００５，４． ［２］（美）艾略特著．千建军译．波浪原理［岫．北京：中华工商联合出 版社，１９９９，７． 万方数据 2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的报名参赛队号为（8位数字组成的编号）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）： 2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）： 上证指数近16年变化趋势原因分析 院系：经济管理系 姓名：李燕霖 班级：16金融2班 上证指数近16年变化趋势原因分析 1、2001-06-29-2005-06-03上证指数无较大波动，呈平稳缓慢下降趋势发展。原因分析： 2001年6月14日，国务院发布《减持国有股筹集社会保障基金管理暂行办法》，规定凡国家拥有股份的股份有限公司向公共投资者首次发行和增发股票时，均应按融资额的10%出售国有股。正是这一个重磅利空消息，它直接导致A股走上漫长的下跌之路。因为A股最早设计是给国有企业融资和排忧解困而设计的，这就不可避免的使得沪深两市的上市公司，存在大量国家股、国家法人股在总股本比例超过50%的公司。据统计，这个比例高达三分之一以上，以当时近千家上市公司计算，国有控股的公司数量高达约300家，其中有不少国有股比例超过70%。国有股占有如此多的市值，由此，国有股减持直接导致市场上流通的股票数量大大增加，如购买力不变的话，其结果就是股票价格的下跌，而这一跌就是差不多整整4年。 2、2005-06-03-2007-10-16上证指数迅猛增长，不断攀升。原因分析： 2005年6月3日—2007年10月16日大牛市，上证综指从998.23点上涨至6124点，历时两年半，上涨幅度513%，原因：1. 美元泛滥，造成全世界 2．全球经济繁荣，拉动中国大规模出口，形成了中国经济高速成长。3．大规 速海外热钱流入，加剧了上述情况的发展。4．银行体系由于充满资金，促使银 而且推动资产价格上涨，5、在流动性泛滥的情况下，资金流入股市和房市，促使价格持续上涨，进而导致社会大众处于追涨的乐观情绪中，因此造成了上证指数涨到6000点的大泡沫。 3、2007-10-31-2008-10-31上证指数猛跌，不断下降。原因分析： 上证指数至2007年10月见顶6124.04点后一路下跌，在短短一年时间2008年10月下探到1664.93点。原因：1、美国次贷危机导致的世界金融危机，已经出现经济衰退，中国经济也出现减缓，发达国家的股市都进入了熊市，中国还能“牛”起来吗。如果中国还是牛市，那么全世界的热钱就都会涌进中国，抄高房市股市，再加上人民币升值，热钱将受益巨大，但他们离开之时就是中国的恶梦之始。 2、中国市场主力的基金不成熟，打着价值投资的幌子，进行疯狂的投机行为，2007年5?30之后，把有价值的蓝筹股抄高到没有价值，一点节制都没有。如果基金成熟，就不会把股指推高到6000多点，他们是中国市场转为熊市的罪魁祸首。 3、中国股市散户众多，没有投资知识的占多数，包括有的大学教授都对股票一知半解，就投入股市，完全是一种跟风行为，赌博心态。 4、基金经理也好，散户也好，多数都没有经过熊市，要不没有风险意识，要不就是太怕风险，跟风行为盛行，导致市场上升时疯狂，下降时也疯狂，大起大落是市场的特征。 上证指数预测模型 摘要 股票市场是我国资本市场的重要组成部分，在推动我国经济发展进程中起到了非常重要的作用。为了更好地理解股票市场以及获得更高的收益，股市的预测成了重多投资者和学术研究者研究和分析的热点问题。而上证指数是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。 本文在充分分析影响股市价格众多因素的基础上，选择多组变量，基于多元回归线性分析建立上证指数的预测模型。首先需要尽可能多的选择原始数据，在这里为了方便计算选择了3月到5月上证指数及各变量的数据（除去休盘日）共64组，22个变量。使用SPSS 软件进行线性分析后，剔除某些无关，甚至关联很小的变量后，得出了回归方程的系数，从而得出了上证指数的预测模型 2210-21 2010-191810-17 16151413121110954321x 101.800+0.834x +x 102.887+0.017x -x 103.391-0.003x -10x -4.824e -0.030x -0.258x -0.387x +0.019x -21.964x -18.203x +11.195x -0.032x -0.180x +0.230x -0.703x -0.677x +-774.860=y ??? 然后利用图表分析了此模型的好坏程度。 关键词：1上证指数；2多元回归分析法；3 SPSS 分析； 一、问题的背景与提出 上证指数，是上海证券综合指数的简称。是最早发布的指数，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数。它是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。 本文将在此背景下，充分分析上证指数的组成，使用多元线性回归的方法对其进行合理的预测，建立模型，具有实际意义，以预测未来上证指数的变化趋势。 二、基本假设 1. 忽略除文中提到的影响因素之外的因素对上证指数的影响。 2. 假设经济形势稳定，不会出现较为明显的通货膨胀或通货紧缩。 三、主要变量符号说明 为了便于描述问题，我们用一些符号来代替问题中涉及的一些基本变量，如表1所示。 表1 主要变量符号说明一览表 1x DIFF 2x DEA 3x RSI 4x D 指标 5x J 指标 6x 财政收入增长率 7x 财政支出增长率 8x 货币供应量1M 9x 货币流通量0M 10x 居民消费价格指数 上证指数波动趋势分析 一、内生动力 1.超卖超买 （1）随机指数KDJ 由KDJ线来看，目前股市处于超卖阶段，K、D、J三线都位于20以下，处于超卖时期，根据其周期来看，虽上涨不会过于强势，但是上涨不可避免，一周左右会涨到高点。 （2）相对强弱指数RSI 从RSI线来看，目前属于6日RSI 线向下跌破15超卖期的反弹上涨时期，后市依然看涨（一周内依然上涨势头生猛，一个月之内整体趋势会是上涨）。 二、外生动力 1．需求 （1）存款准备金率 4月22日是今年第四次上缴存款准备金的日子，面对约3600亿元资金的缴款“洪峰”，21日银行间市场资金面骤然紧张，资金价格全线飙升，尤以隔夜回购加权平均利率涨幅最大，昨日跳升了180个基点。业内人士分析，存款准备金率数次上调的累积效应已逐渐显现，不排除二季度存款准备金率继续上调的可能性，资金面宽松态势或将发生逆转。 央行上调存款准备金率，有以下几方面的影响： 1）银行：银行可用的资金相对少了，贷款利润会减少，这对于目前仍然以存贷利差为主要利润来源的银行的业绩有一定影响；另一方面，会催促银行更快向其他利润来源跟进，比如零售业务、国际业务、中间业务等，这样也会进一步加强银行的稳定性和盈利性。 2）企业：资金紧张，银行会更加慎重选择贷款对象，倾向于规模大、盈利能力强、风险小的大企业，这会给一部分非常依赖于银行贷款的大企业和很多中小企业的融资能力造成一定影响。强者更强。 3）股市：影响非常有限，幅度比预期低，而且就目前大部分银行的资金来说，都还比较充裕，这个比例对其贷款业务能力相当有限；另一方面，市场很早就已经预期到人民银行的紧缩性政策，所以股市在前期已经有所消化，只是在消息出台时的瞬间反映一下而已。 （2）利率 利率是影响股市走势最为敏感的因素之一 . 根据古典经济理论, 利率是货币的价格, 是持有货币的机会成本, 它取决于资本市场的资金供求 . 资金的供给来自储蓄, 需求来自投资, 而投资和储蓄都是利率的函数 . 利率下调, 可以降低货币的持有成本, 促进储蓄向投资转化, 从而增加流通中的现金流和企业贴现率, 导致股价上升 . 所以利率提高, 股市走低；反之, 利率下降, 股市走高 . 利率变动与股价变动关系可以从三方面加以描述： 1）根据现值理论, 股票价格主要取决于证券预期收益和当时银行存款利率两个因素, 与证券预期收益成正比, 与银行存款利率成 第六节时间序列模型的建立与预测 ARIMA过程y t用 Φ (L) (Δd y t)= α+Θ(L) u t 表示，其中Φ (L)和Θ (L)分别是p, q阶的以L为变数的多项式，它们的根都在单位圆之外。α为Δd y t过程的漂移项，Δd y t表示对y t 进行d次差分之后可以表达为一个平稳的可逆的ARMA 过程。这是随机过程的一般表达式。它既包括了AR，MA 和ARMA过程，也包括了单整的AR，MA和ARMA过程。 可取 图建立时间序列模型程序图 建立时间序列模型通常包括三个步骤。（1）模型的识别，（2）模型参数的估计，（3）诊断与检验。 模型的识别就是通过对相关图的分析，初步确定适合于给定样本的ARIMA模型形式，即确定d, p, q的取值。 模型参数估计就是待初步确定模型形式后对模型参数进行估计。样本容量应该50以上。 诊断与检验就是以样本为基础检验拟合的模型，以求发现某些不妥之处。如果模型的某些参数估计值不能通过显著性检验，或者残差序列不能近似为一个白噪声过程，应返回第一步再次对模型进行识别。如果上述两个问题都不存在，就可接受所建立的模型。建摸过程用上图表示。下面对建摸过程做详细论述。 1、模型的识别 模型的识别主要依赖于对相关图与偏相关图的分析。在对经济时间序列进行分析之前，首先应对样本数据取对数，目的是消除数据中可能存在的异方差，然后分析其相关图。 识别的第1步是判断随机过程是否平稳。由前面知识可知，如果一个随机过程是平稳的，其特征方程的根都应在单位圆之外；如果 (L) = 0的根接近单位圆，自相关函数将衰减的很慢。所以在分析相关图时，如果发现其衰减很慢，即可认为该时间序列是非平稳的。这时应对该时间序列进行差分，同时分析差分序列的相关图以判断差分序列的平稳性，直至得到一个平稳的序列。对于经济时间序列，差分次数d通常只取0，1或2。 实际中也要防止过度差分。一般来说平稳序列差分得到的仍然是平稳序列，但当差分次数过多时存在两个缺点，（1）序列的样本容量减小；（2）方差变大；所以建模过程中要防止差分过度。对于一个序列，差分后若数据的极差变大，说明差分过度。 第2步是在平稳时间序列基础上识别ARMA模型阶数p, q。表1给出了不同ARMA模型的自相关函数和偏自相关函数。当然一个过程的自相关函数和偏自相关函数通常是未知的。用样本得到的只是估计的自相关函数和偏自相关函数，即相关图和偏相关图。建立ARMA模型，时间序列的相关图与偏相关图可为识别模型参数p, q提供信息。相关图和偏相关图（估计的自相关系数和偏自相关系数）通常比真实的自相关系数和偏自相关系数的方差要大，并表现为更高的自相关。实际中相关图，偏相关图的特征不会像自相关函数与偏自相关函数那样“规范”，所以应该善于从相关图，偏相关图中识别出模型的真实参数p, q。另外，估计的模型形式不是唯一的，所以在模型识别阶段应多选择几种模型形式，以供进一步选择。 上证指数历史数据（整合进入飞狐软件） （缠论学习专用，缠中说禅） https://www.doczj.com/doc/d112207755.html,/file/aqzu5b4u 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本200401-200512五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/e6yr4jbv 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本200906-201012五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/dn60r96v 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本标准版.rar https://www.doczj.com/doc/d112207755.html,/file/dn60r1wl 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本201007-201106五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/aqzyxawv 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本200801-200912五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/bhzfk6wc 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本200701-200806五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/dn60326c 飞狐交易师历史分析数据-一灯悟缠SH1990-201106日线版本200601-200706五分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/dn60ee7l 飞狐交易师历史分析数据-上证指数20071201-20080630一分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/bhzfuqch 飞狐交易师历史分析数据-上证指数20070601-20071230一分钟线.rar https://www.doczj.com/doc/d112207755.html,/file/dn60e030 ——专业年级：05级信管1班小组成员：李青40511056 吴君超40511053 指导教师：俞开志 论文结构图：—— 【摘要】本文主要通过对上证指数的变动进行多因素分析，建立以上证指数为因变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对上证指数进 行数量化分析，就其影响因素提出我们对上证市场宏观调控有帮助的参考性意见。 【关键词】上证指数货币供给增长率居民储蓄存款期末余额增长率上交所投资者开户数 一、问题的提出 改革开放以来，中国经济飞速发展，强力带动了各行各业的健康发展，股市也是如此。对我国股票市场而言,最常用的也是最重要的衡量指标就是上证指数。对这一指数进行分析,有利于深入了解股票市场的动态,对其的多因素分析，能更好地掌握证券市场的发展趋势。 “上证指数”全称“上海证券交易所综合股价指数”，是国内外普遍采用的反映上海股市总体走势的统计指标。上证指数由上海证券交易所编制，于1991年7月15日公开发布，以"点"为单位，基日定为1990年12月19日，基日提数定为100点。随着上海股票市场的不断发展，于1992年2月21日，增设上证A 股指数与上证B股指数，以反映不同股票（A股、B股）的各自走势。1993年6月1日，又增设了上证分类指数，即工业类指数、商业类指数、地产业类指数、公用事业类指数、综合业类指数、以反映不同行业股票的各自走势。经过多年的持续发展，上海证券市场已成为中国内地首屈一指的市场，上市公司数、上市股票数、市价总值、流通市值、证券成交总额、股票成交金额和国债成交金额等各项指标均居首位。至2004年12月底，上证所拥有3700多万投资者和837家上市公司，上市证券品种996个。上市股票市价总值26014.34亿元；2004年，上市公司累计筹资达456.901亿元；一大批国民经济支柱企业、重点企业、基础行业企业和高新科技企业通过上市，既筹集了发展资金，又转换了经营机制。 众所周知，在近10年来，中国股票市场历经了熊市到牛市的转变，其状态 上证个股分析 600649城投控股上证指数总体走势： 选取股票代码：600649 选取股票名称：城投控股 以城头控股为研究对象的原因是：城投控股是93上市的国有控股企业，国家制定的各种针对国有股改革的政策在城投控股上都有体现，基本上是上证指数股市进20年来趋势的一个真实写照。 （1）复权后的城投控股走势 （2）各阶段的均值-方差分析 均值衡量收益的平均水平，方差衡量波动情况反应风险。分析城投控股的均值方差，基本印证了均值与方差对应的理论关系，风险越大收益越大。同时，从城投控股在这20年间的均 值方差变动情况，也可看出中国证券市场的发展对应历程，感受到这个资本市场与宏观经济对城投控股这一个股的影响。 从周收益率均值的图可以看出，城投控股的周收益率在这五个阶段不断波动，但在第一个阶段即1991.1-1994.7实现增长之后，收益率基本为正数。1991.1至2001.6收益率是上升的。处在中国证券资本市场的新生阶段，市场各方不断探索和努力，企业也凭借此获得了较大的飞跃增长。然而在第三阶段出现相对罕见的负收益率，足见城投控股不可避免地受到萧条股市的影响，政府各项政策改革对企业形成挑战。第四个阶段恢复增长。2008.11-2012.10期间，由于受整个宏观经济的影响，收益率出现下降，但仍然保持了正的收益率足见此企业的实力。 从周收益率方差可以看出周收益率 阶段 年份 均值 方差 1 1991.1-1994.7 -0.02705 0.009281 2 1994.8-2001.6 0.012322 0.014185 3 2001.7-2005.6 -0.00237 0.001324 4 2005.7-2008.10 0.006201 0.007995 5 2008.11-2012.10 0.001359 0.002598 第 39卷 第 2期 2007年 4月 西 安 建 筑 科 技 大 学 ( 学 报 ( 自然科学版) ) V ol.39 No.2 Apr . 2007 J 1Xi ’an Univ . of Arch . & Tech . Natural Scie nce Editio n 多因素时间序列的灰色预测模型 苏变萍 ,曹艳平 ,王 婷 (西安建筑科技大学理学院 ,陕西 西安 710055) 摘 要:对于传统的单因素时间序列预测法在实际应用中的不足之处 ,提出采用灰色 DGM (1 ,1) 模型和多元 线性回归原理相结合的方法 ,综合各种因素建立多因素时间序列的灰色预测模型。它首先利用 DGM (1 ,1) 模 型对影响事物发展趋势的各项因素进行预测 ;然后利用多元线性回归法将各种因素综合起来 ,以预测事物的 发展趋势。最后将该模型应用于预测分析陕西省的就业状况 ,取得了较好的预测效果 ,同时也验证了此模型 的可行性。 关键词: 时间序列 ;单因素 ;多因素 ;预测模型 中图分类号:TB114 文献标识码:A 文章编号 :100627930 2007 022******* ( ) 多年以来 ,对时间序列的预测研究 ,大多是停留在对单因素时间序列上 ,对其预测通常采用的是趋 势外推法 ,而且该方法适合于原始时间序列规律性较好的情况 ,若时间序列中包含了随机因素的影 响 ,再采用这种方法得出的预测结果可能会失真. 同时 ,客观世界又是复杂多变的 ,事物的发展通常不 是由某个单个因素决定 ,往往是许多错综复杂的因素综合作用的结果 ,为了对某项事物的发展做出更加 符合实际的预测 ,这就需要来探讨多因素时间序列的预测问题 ,正是基于这些 ,本文在应用灰色 D GM (1 ,1)模型对单因素时间序列预测的基础上 ,结合多元回归原理 ,提出建立多因素时间序列的灰色预测 模型 ,这样就充分发挥了二者的优点 ,既克服了时间序列的随机因素影响 ,又综合考虑了影响事物发展 的多种因素 ,从而达到提高预测精度和增加预测结果可靠性的效果. 1 模型的建立 设 Y = (y (1) , y (2) , …, y( n)) 表示事物发展的特征因素时间序列, X i = (x i (1) , x i (2) , …, x i ( n)) (i = 1 ,2 , …, p) 表示影响事物发展的单因素时间序列. 1.1 单因素时间序列的 DGM(1 ,1) 模型 对于单因素原始时间序列{ X i } (i = 1 ,2 , …, p) ,根据灰色系统理论建模方法 ,得 D GM (1 ,1) 模 型 : x i (1) a (1 - a) + a b ,t > 1 1.2 多因素时间序列的预测模型 为了能将影响事物发展的众多因素结合起来进行综合预测和相关因素的预测分析 ,在经过多次研 究与比较后,采用多元回归的原理建立多因素时间序列的灰色预测模型: y t = a 0 + a 1 x 1 t + a 2 x 2 t + …+ a p x p t 2 式中 y t 为该事物在 t 时刻的预测值;x i t i = 1 ,2 , …, p 为第 i 个单因素 ,通过应用上述的灰色 3收稿日期 :2005201209 修改稿日期:2006204212 基金项目 :陕西省教育厅专项基金项目 01J K133( ) 作者简介 :苏变萍 19632( ) ,女 ,山西忻州人 ,副教授 ,博士研究生 ,研究方向为计量经济学. [122] (0) (0) (0) ( ) ( ) [4] (0) x (1) = x (1) ^ x (t) = (1) ( ) ^ ^ ^ ^ ^ ^ 上证指数的多因素分析 ——专业年级:05级信管 1班小组成员:李青 40511056 吴君超 40511053 指导教师:俞开志 论文结构图:—— 上证指数的多因素分析 【摘要】本文主要通过对上证指数的变动进行多因素分析,建立以上证指数为因变量, 以其它可量化影响因素为自变量的多元线性回归模型,并利用模型对上证指数进行数量化分析, 就其影响因素提出我们对上证市场宏观调控有帮助的参考性意见。 【关键词】上证指数货币供给增长率居民储蓄存款期末余额增长率上交所投资者开户数 一、问题的提出 改革开放以来,中国经济飞速发展,强力带动了各行各业的健康发展,股市也是如此。对我国股票市场而言 , 最常用的也是最重要的衡量指标就是上证指数。对这一指数进行分析 , 有利于深入了解股票市场的动态 , 对其的多因素分析, 能更好地掌握证券市场的发展趋势。 “上证指数”全称“上海证券交易所综合股价指数”, 是国内外普遍采用的反映上海股市总体走势的统计指标。上证指数由上海证券交易所编制,于 1991年 7月 15日公开发布, 以 " 点 " 为单位, 基日定为 1990年 12月 19日, 基日提数定为 100点。随着上海股票市场的不断发展,于 1992年 2月 21日,增设上证 A 股指数与上证 B 股指数,以反映不同股票(A 股、 B 股的各自走势。 1993年 6月 1日,又增设了上证分类指数,即工业类指数、商业类指数、地产业类指数、公用事业类指数、综合业类指数、以反映不同行业股票的各自走势。经过多年的持续发展, 上海证券市场已成为中国内地首屈一指的市场, 上市公司数、上市股票数、市价总值、流通市值、证券成交总额、股票成交金额和国债成交金额等各项指标均居首位。至 2004年 12月底,上证所拥有 3700多万投资者和 837家上市公司,上市证券品种 996个。上市股票市价总值 26014.34亿元; 2004年,上市公司累计筹资达 456.901亿元; 一大批国民经济支柱企业、重点企业、基础行业企业和高新科技企业通过上市,既筹集了发展资金,又转换了经营机制。众所周知, 在近 10年来, 中国股票市场历经了熊市到牛市的转变, 其状态 最基本的表现方式就是上证指数的大幅波动, 而这一指标又受政治、经济、社会、政策、心理等多种因素的影响。因此, 上证指数变动的主要影响因素有哪些?这些因素对上证指数的具体影响程度怎样?如何利用这些因素加强从宏观上对股市的调控?这是我们研究的主要目的。 二、理论综述 对于影响上证指数的各种因素, 不同学者各有自己的看法。大多数研究认为, 影响我国上证指数的因素主要有以下几方面:货币供应量 M1,居民储蓄存款余额,零 上证指数18年（1991年～2008年）各月行情统计表上证指数18年(1991年,2008年)各月行情统计表(zt) 2010年03月07日星期日 17:46 月份上涨概率与全年走势相关度最大涨幅最大跌幅说明 1月 55.6% 77.8% 53.6% 16.7% 1月走势与全年高度相关，对全年有相当的预判功能 2月 72.2% 72.2% 16.4% 5.2% 2月总飘红。2月的走势对全年行情有着相当重要的预判功能 3月 61.1% 50.0% 18.7% 30.9% 3月最徘徊。3月行情对全年的启示作用不大 4月 66.7% 61.1% 46.8% 15.9% 4月无大跌。 5月 55.6% 66.7% 177.2% 31.2% 5月有传奇,“5.19”、“5.30”等 6月50.0% 61.1% 32.1% 20.3% 6月草长莺飞。 7月 38.9% 50.0% 17.0% 28.8% 7月上攻乏力。 8月 55.6% 55.6% 135.2% 21.8% 8月看中报。 9月 38.9% 50.0% 8.1% 14.7% 9月多事。 10月 33.3% 77.8% 20.8% 27.8% 10月大势已定。 11月 72.2% 50.0% 42.8% 18.2% 11多升浪。 12月 44.4% 77.8% 27.4% 15.3% 12月寒潮频袭。在熊市年份，有67%的概率下跌。 2月总飘红。 在上证指数18年(1991年,2008年)的2月份走势中，只有5年出现下跌，其余13年悉数上涨。涨幅最大的出现在1992年，上涨了16.4%;跌幅最大的是2001年，跌5.2%。可见历史上2月大盘走势虽波澜不惊，但上涨的概率高达72%。 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的报名参赛队号为（8位数字组成的编号）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：年月日 赛区评阅编号（由赛区组委会评阅前进行编号）： 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）： 题目 摘要 针对…（写清楚什么问题），通过…（方式怎么分析），考虑到…（约束/限制条件），运用…（方法），解决…（问题）（300-500左右） 逐个问题来表述 问题一： 问题二： 问题三： 问题四： 问题五： 问题六： 【关键词】：3-5个时间序列预测模型
基于ARMA模型的上证指数预测的实证分析报告
SVM神经网络的回归预测分析---上证指数开盘指数预测
十年上证指数走势分析
最新上证指数20年里涨跌大体相等 回顾上海股市历史数据
上证指数历史走势波浪理论分析
股票预测模型
上证指数近年趋势变化原因分析
基于多元回归分析的上证指数预测模型
上证指数分析总结
时间序列模型的建立与预测
上证指数历史数据全集下载地址(学习缠中说禅的炒股票理论必备的缠论学习辅助资料)
上证指数的多因素分析
上证指数个股分析
多因素时间序列的灰色预测模型
上证指数的多因素分析.
上证指数18年(1991年～2008年)各月行情统计表
股票预测模型
相关主题
文本预览