银行业股票收益率的分析

股票证券-毕业论文中国股票市场收益率分布曲线的实证研究 精品

前言 迄今为止，我国股票市场才经历十余年的发展历史，却走过了西方发达国家上百年的发展历程。取得了举世瞩目的成绩。在股票市场的规模、上市公司的数量、投资者的规模以及交易系统的完善等方面都得到了迅速的发展,目前已经进入世界股票市场的前列。 不过，由于我国股票市场发展时间比较短，是在探索中前进的，因此，在诸多方面还不成熟，最为明显的是股票市场大起大落，这种大幅波动对投资者造成很多不良后果。经过无数次“风雨”洗礼后，投资者开始学会用在股票价格的波动中寻找规律，希望能够找到股市的制胜“法宝”。然而，目前有关股票理论知识的书籍极多，各述其见，竟有“股票价格的波动有外部噪音引起，并服从正态分布”之说。本论文试图把股票的理论联系实践，找到合理的规律，希望本论文能够给读者一点启发，对股票投资起一点参考价值。 本论文共分为两部分，第一部分对股票日收益率分布曲线作了实证分析，通过偏度峰度检验和2 检验，得到市场收益率更多地呈现出偏离正态分布的形式，市场处在弱势非有效状态。第二部分首先引入了灰色系统的理论和几个概念，利用关联分析，建立了模型，根据关联度大小对各股票的日收益率进行了排序，进而确定股票走势的优劣，并且对前后两个阶段的结果作了详细的比较。 由于时间仓促，论文中的不足和欠缺之处，还望得到各位老师和同学的不吝赐教。在本论文的成长过程中，我得到了成都信息工程学院计算科学系杨老师的帮助，在此，向杨老师表示衷心的感谢。

摘要：本文首先对股票日收益率进行了偏度峰度检验和2χ检验，得到市场收益率更多 地呈现出偏离正态分布的形式，市场处在弱势非有效状态。然后，运用灰色理论的关联度对股票日收益率进行优劣排序，并对前后两个阶段的结果进行了详细比较。 关键词：收益率；正态分布；灰色理论 第一章 收益率分布曲线 §1 收益率的分布与股票价格行为的理论 股票价格总是处于不断的波动之中，这种波动是连续的，非间断性的。股价的波动被认为由外部“噪声”因素造成，当时间间隔?t —>0时，外部噪声将呈现正态分布，服从维纳过程。因此随机理论采用一般化的维纳过程作为描述股价行为的模型。数学表达式如下： ),(t t u S S ??=?σ? （1） z S t u S ?+?=?σ （2） 其中：S ?为短时间t ?后股票价格s 的变化 u 为单位时间内股票的预期收益率 σ为股票价格的波动率 ),(s m ?表示均值为m ,标准方差为s 的正态分布 （1）式表示如果外来噪声服从正态随机过程，S S ?即收益率将服从均值为t u ?, 标准方差为t ?σ的正态分布。其中：t z ?∈?，∈表示服从标准正态分布，z ?在维纳过程中被认为遵从马尔科夫过程，隐含市场是弱势有效的条件。 当收益率服从正态分布时，股价行为的一般化维纳过程式（2）才能成立。当收益率的分布偏离了正态分布，这就意味着式（2）中的外部噪音项z s ?σ就不服从正态随机过程。也就是说，股价的行为方式不再服从正态马尔科夫过程，市场可能不处于弱势有效状态。收益率的分布是股价行为的基础，要了解某股票市场价格行为的特征，必须了解该市场的收益率分布。本文将对八只股票收益率的分布进行实证检验，考察是否符合正态分布或符合其t 分布形式或并无一确切表达的分布形式。 §2 实例与检验 （一）、本文随机选取了八只股票的日收盘价作为实证样本，样本容量是从20XX 年1月4号到20XX 年3月31号的日收盘价个数。为了形成对比，我们分成了两个阶段来研究。

股票收益率的影响因素分析

股票收益率影响因素分析 【摘要】选取沪深300指数为分析对象，对2004年至2009年间的数据进行了实证研究，分析了公司基本面指标与公司股票收益率之间的关联度，并得到如下结论：投资者在评估股票价值的过程中，比较看重的是公司的盈利能力和成长能力，而忽视了现金流量、负债比率等其他因素。 【关键词】股票收益率影响因素相关性多元线性回归 相关文献综述 国内学者关于股票收益影响因素研究的文章很多，主要可以归纳为宏观和微观两个方面： 从宏观方面研究的文章主要分析了我国股票收益率和通货膨胀率等宏观经济指标的相关关系。刚猛和陈金贤（2003）利用实证研究的方法分析了我国股票市场1995年1月至2002年1月间的实际收益率、通货膨胀率和实体经济活动

三者之间的相关关系。从微观方面研究的文章在采用相应的分析模型的基础上，主要分析了微观层面的因素对股票收益率的影响程度。刘志新、黄昌利（2000）采用将单因素模型与多因素模型结合使用的方法，选取沪深两市1995年6月至1999年6月间反映100家上市公司微观层面的相关数据，进行横截面回归分析，得到如下结论：公司规模大小与市盈率变动对公司股票收益率变动的解释能力较为显著，而股票总风险、β值、每股净资产及每股权益对股票收益率变动没有显著的解释作用。 实证研究 指标选取。本文根据现有的对股票收益率变动影响因素的研究成果，结合我国股票市场和上市公司的财务公开情况，考虑到数据的可得性，选取了下述13个指标作为影响股票收益率的可能因素，以进行相关实证分析，选取指标如下：反映市场状况的指标：β（X1）、市盈率（X13）、账面市值比（市净率倒数X11）。反映资产规模的指标（盈利能力）：净资产报酬率（X7）、总资产报酬率（X6）、每股收益（X12）。反映资产管理能力指标：存货周转率（X2）、总资产周转率（X3）。偿债能力指标：流动比率（X8）、资产负债比率（X4）。现金流量能力指标：主营业务现金率（X9）、主营业务收入增长率（X10）、净利润增长率（X5）。 研究样本和数据选取。样本选取考虑到样本数据的可取得性，本文选取样本区间为2004年至2009年沪深300的样本股。为保证所选取数据具有较好的

【原创】R语言股票实际价格和预测价格差异分析论文报告

有问题到淘宝找“大数据部落”就可以了 股票实际价格和预测价格差异分析 摘要：主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确的决策,本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据,通过选取综合反映股票市场上所有公司股票价格整体水平的指标建立了线性回归模型,得出了股票价格趋势变动的影响因素. 关键词：回归模型；指数模型；股票价格；预测 一、引言 主要思路为了准确的估计股票价格，本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据建立了线性回归模型,具体分析步骤： 1.关系分析 基于以上原理,为大致了解股票价格与诸因素之间的关系,先分别绘制股票价格与各个因素之间的散点图,并分析它们之间的关系.股价用上证A股指数来表示,这样可以减少人为因素对股票价格的影响,尽量将注意力集中在我们假设选用的自变量上.我们采用的数据是2012年和2015年上半年的月度数据,分析影响我国股市趋势的因素。之所以选取2012年和2015年7月的统计资料是基于以下两点考虑：中国股市发展时间较短,采用年度数据会因为样本量太小而使得回归分析失去意义;数据取得的存在较大难度,因季度数据不全而只能选取月度数据.因此选取2012年和2015年7月份月度数据作为样本. 2.指数平滑时间序列预测模型 3.选择多项式回归模型 3.1变量选取通过向前向后逐步迭代回归模型筛选出显著性较强的变量进行回归建模。 3.2显著性检验根据F值和p值统计量来判断模型是否具有显著的统计意义。 3.3拟合预测使用得到的模型对实际数据进行拟合和预测。

股票收益率影响因素的实证分析

股票收益率影响因素的实证分析 罗大为 【摘要】选取沪深300指数为分析对象，对2004年至2009年间的数据进行了实证研究，分析了公司基本面指标与公司股票收益率之间的关联度，并得到如下结论：投资者在评估股票价值的过程中，比较看重的是公司的盈利能力和成长能力，而忽视了现金流量、负债比率等其他因素。 【关键词】股票收益率影响因素相关性多元线性回归 经济 相关文献综述 国内学者关于股票收益影响因素研究的文章很多，主要可以归纳为宏观和微观两个方面： 从宏观方面研究的文章主要分析了我国股票收益率和通货膨胀率等宏观经济指标的相关关系。刚猛和陈金贤（2003）利用实证研究的方法分析了我国股票市场1995年1月至2002年1月间的实际收益率、通货膨胀率和实体经济活动三者之间的相关关系。从微观方面研究的文章在采用相应的分析模型的基础上，主要分析了微观层面的因素对股票收益率的影响程度。刘志新、黄昌利（2000）采用将单因素模型与多因素模型结合使用的方法，选取沪深两市1995年6月至1999年6月间反映100家上市公司微观层面的相关数据，进行横截面回归分析，得到如下结论：公司规模大小与市盈率变动对公司股票收益率变动的解释能力较为显著，而股票总风险、β值、每股净资产及每股权益对股票收益率变动没有显著的解释作用。 实证研究 指标选取。本文根据现有的对股票收益率变动影响因素的研究成果，结合我国股票市场和上市公司的财务公开情况，考虑到数据的可得性，选取了下述13个指标作为影响股票收益率的可能因素，以进行相关实证分析，选取指标如下：反映市场状况的指标：β（X1）、市盈率（X13）、账面市值比（市净率倒数X11）。反映资产规模的指标（盈利能力）：净资产报酬率（X7）、总资产报酬率（X6）、每股收益（X12）。反映资产管理能力指标：存货周转率（X2）、总资产周转率（X3）。偿债能力指标：流动比率（X8）、资产负债比率（X4）。现金流量能力指标：主营业务现金率（X9）、主营业务收入增长率（X10）、净利润增长率（X5）。 研究样本和数据选取。样本选取考虑到样本数据的可取得性，本文选取样本区间为2004年至2009年沪深300的样本股。为保证所选取数据具有较好的可比性和合理性，并消除异常样本区间对研究结果的影响，本文对所选取的公司样本进行了如下处理：剔除区间内金融类股票（因其资本结构与一般上市公司不同）；剔除数据残缺股票确定的样本为269家上市公司股票；本文中股票收益率的确定是以一年时间为间隔，并包含发放的股利。具体计算公式如下： 实证研究与结果分析 相关性分析。本文对股票收益率与各个影响因素相关性以及2004～2009年各因素间的相关分析，选择应用最广泛的皮尔逊相关系数，即简单相关系数计算，得到结果：股票收益率与账面市值比相关性较大，账面市值比X11与股票收益率在2004～2009年间呈现出明显的负相关性。该数据表明：如果一个公司的股票账面市值较高，则市场对该公司相同账面价值的资产所愿出的价格就较低，从另外一个角度反映为市场对该企业发展前景的预期较为悲观，换而言之，市场对该企业未来盈利能力的预期较低，该公司股票的要求收益率相应处于低位。β值对股票收益率的作用不稳定，且相关关系较弱。 在2005年前，与股票收益率呈现负相关关系，在2006年后出现正相关关系。这与CAPM的“异常”假设符合，也即：股票收益率与β值不一定是正相关关系，并且这种相关性并不是很显著。本文认为造成这种现象的深层次原因在于我国资本市场发展的不健全和基础制度建设的不完善。 我国证券市场产生和发展的时间只有二十 152 人民论坛·学术前沿

股票预测模型【运用ARIMA模型预测股票价格】

股票预测模型【运用ARIMA模型预测股票价格】 [摘要]ARIMA模型是时间序列中十分常见和常用的一种模型，应用与经济的各个领域。本文基于ARIMA模型，采用了莱宝高科近67个交易日的数据，对历史数据进行分析，并且在此基础上做出一定的预测，试图为现实的投资提供一些参考信息。[关键字]ARIMA模型；股价预测；莱宝高科一、引言时间序列分析是从一段时间上的一组属性值数据中发现模式并预测未来值的过程。ARIMA模型是目前最常用的用于拟合非平稳序列的模型，对于满足有限参数线形模型的平稳时间序列的分析，ARIMA在理论上已趋成熟，它用有限参数线形模型描述时间序列的自相关结构，便于进行统计分析与数学处理。有限参数线形模型能描述的随机现象相当广泛，模型拟合的精度能达到实际工程的要求，而且由有限参数的线形模型结构可推导出适用的线形预报理论。利用ARIMA 模型描述的时间序列预报问题在金融，股票等领域具有重要的理论意义。本文将利用ARIMA模型结合莱宝高科的数据建立模型，并运用该模型对莱宝的股票日收盘价进行预测。二、ARIMA模型的建立 2.1ARIMA模型简介ARIMA是自回归移动平均结合模型的简写形式，用于平稳序列或通过差分而平稳的序列分析，简记为ARIMA(p,d,q)用公式表示为：△dZt=Xt=ψ1Xt-1+ψ2Xt-2+?+ψpXt-p+at-θ1at-1-θ2at-2-?-θqat-q 其中，p、d、q分别是自回归阶数、差分阶数和滑动平均阶数；Zt是时间序列；Xt是经过d阶差分后的时间序列值；at－q是时间为t－q的随机扰动项；ψp、θq分别是对应项前的系数。 2.2模型建立流程(1)平稳性检验以2010－3－4到2010－6－10的“莱宝高科”(002106)股票的收盘价作为模型的数据进行建立时间序列模型：做出折线图观察数据的特征：进行单位根检验，判别序列是否为平稳序列；若一阶差分后的数据为平稳序列，可以建立时间序列模型。说明原数据为一阶单整。(2)模型的选择和参数的估计根据数据的平稳性特征，初步确定建立ARIMA模型。观察一阶差分以后的序列的自相关函数和偏自相关

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

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

【原创】R语言股票回归、时间序列分析报告论文附代码数据

论文题目：股票价格回归分析报告 摘要：主要思路为了准确的估计股票价格,了解股票的一般规律,更好的为资本市场提供参考意见和帮助股民进行投资股票作出正确的决策,本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据,通过选取综合反映股票市场上所有公司股票价格整体水平的指标建立了线性回归模型,得出了股票价格趋势变动的影响因素. 关键词：回归模型；指数模型；股票价格；预测 一、引言 主要思路为了准确的估计股票价格，本文从股票价格指数与整个经济环境角度出发,采用多元回归分析方法,应用月度时间序列数据建立了线性回归模型,具体分析步骤： 1.关系分析 基于以上原理,为大致了解股票价格与诸因素之间的关系,先分别绘制股票价格与各个因素之间的散点图,并分析它们之间的关系.股价用上证A股指数来表示,这样可以减少人为因素对股票价格的影响,尽量将注意力集中在我们假设选用的自变量上.我们采用的数据是2012年和2015年上半年的月度数据,分析影响我国股市趋势的因素。之所以选取2012年和2015年7月的统计资料是基于以下两点考虑：中国股市发展时间较短,采用年度数据会因为样本量太小而使得回归分析失去意义;数据取得的存在较大难度,因季度数据不全而只能选取月度数据.因此选取2012年和2015年7月份月度数据作为样本. 2.指数平滑时间序列预测模型 3.选择多项式回归模型 3.1变量选取通过向前向后逐步迭代回归模型筛选出显著性较强的变量进行回归建模。 3.2显著性检验根据F值和p值统计量来判断模型是否具有显著的统计意义。 3.3拟合预测使用得到的模型对实际数据进行拟合和预测。 4.分析得出结论得出各个自变量之间的关系，以及它们对因变量的影响极其经济意义。

应用文-中国股市指数的投资收益分析

中国股市指数的投资收益分析 '中国股市指数的投资收益分析 一、投资理论概述 （一）资产组合理论 资产组合理论是以一系列资产收益率的均值和方差作为组合选择的依据，提出了均值—方差资产组合选择的基本方法，即保持一定的方差的资产组合，使期望收益率最大化，或者保持一定的期望收益率的资产组合，使方差最小化；意味着资产选择不能依据资产本身的某一特征，还必须考虑该资产与其他资产的相互作用。该理论不仅描述了资产及其组合的收益与风险关系，而且解决了最优资产组合的选择问题，使得资产组合分析和 科学化、程序化，从而奠定了其在金融投资理论中的地位。 （二）资本资产定价理论 在资产组合理论的基础上提出的。资产定价理论认为，一项投资所要求的收益率取决于以下三个因素：（1）无风险收益率，即将国债投资（或银行存款）视为无风险投资；（2）市场平均收益率，即整个市场的平均收益率，如果一项投资所承担的风险与市场平均风险程度相同，该项收益率与整个市场平均收益率相同；（3）投资组合的系统风险系数，是某一投资组合的风险程度与市场证券组合的风险程度之比。而期望的收益率由无风险收益和该组合的风险系数与市场平均收益和无风险收益差额之乘积决定。 （三）有效市场假说 根据市场对信息反应的有效性，将市场分为弱势有效、半强势有效、强势有效市场。而反应程度分为反应不足以及反应过度两种情况，描述了信息对市场的影响。 （四）行为金融理论 将金融学与 学及 学等人 科相结合，从另一个假设的层面出发，认为人的一些社会性特征及自身人性影响引导自己的投资行为，诸如羊群效应、过度自信等。 （五）其他 在投资中，还有其他很多效应，由于诸多因素导致的，诸如IPO抑价效应，小公司效应，效应，整数效应，股利理论，盈余公布效应等。 从诺贝尔 学奖的颁奖时间看，前两个理论是一组，第三及第四是另外一组，两组进行比较。第一组是从数理的角度出发，基于期望均值本文由 联盟 收集整理和方差，将收益和风险进行量化，由这两个变量来主导投资，通过一系列的对比分析，均衡选择，得出结论。而后一组中有很大程度的数量分析，但主要思想是从外部和内部相结合的理论，外部的信息以及人的行为对进行投资的影响。 二、指数介绍 （一）上证指数 上证综合指数是最早发布的指数，是上海证券交易所从1991年7月15日起编制并公布上海证券交易所股价指数，它以1990年12月19日为基期，设基期指数为100点，以全部上市股票为样本，以股票发行量为权数，按加权平均法计算，遇新股上市、退市或上市公司增资扩股时，采用除数修正法修正原固定除数，以保持指数的连续性。然后于2006年1月4日发布了新上证综合指数，新综指选择已完成股权分置改革的沪市上市公司组成样本，实施股权分置改革的股票在方案实施后的第2个交易日纳入指数，新综指是一个全市场指

回归分析在股票预测中的应用

摘要 回归分析预测被广泛应用于经济学、社会科学、工程技术和生物学等许多领域当中，进行各专业指标变量的统计分析和预测控制。本文从回归分析预测与其他预测方法的简单算法对比出发，系统的讨论了线性回归分析和非线性回归分析的基本算法，再以八一钢铁股票的历史价格为例，对比多元线性回归和非线性回归分析预测，得出非线性回归分析拟合能力更强、拟合优度更高的结论。 关键字：回归分析预测；非线性回归；线性回归；拟合度

Regression analysis in the stock of the use of forecast Abstract: The regression analysis forecast is widely applied in the economic, the social sciences, the engineering technology and the biology and so on the middle of many domains, carries on each specialized target variable the statistical analysis and the predictive control. This article embarks from the regression analysis forecast with other forecast technique's simple algorithm contrast, system's discussion linear regression analysis and non-linear regression analysis's primary algorithm, again take 81 steel and iron stock's historical price as the example, the contrast multi-dimensional linear regression and the non-linear regression analysis predict that obtained the non-linear regression analysis fitting ability to be stronger, a goodness of fit higher conclusion. Keywords: Forecast regression analysis，Non-linear regression，Linear regression，Fit

通过回归分析预测股票走势

龙源期刊网 https://www.360docs.net/doc/b85407419.html, 通过回归分析预测股票走势 作者：杨雨彤 来源：《全国流通经济》2019年第07期 摘要：股票是一种用来募集资金的有价证券，对个人、集体、国家，以及社会的影响日渐增大，所以寻找一种有效的投资方法，成为了所有投资者的目标。本文运用多因素模型，有效市场假说，线性回归模型等方式分析对于股票的波动性产生影响的因素。通过研究不同因素对股票的波动趋势的影响强弱来寻找低价买入、高价抛出的机会，以求收益最大化。文中以Google为例，因为美国市场历史悠久，趋于稳定，更加接近于半强型市场，所以从多家美国 本土上市公司中，选择了著名网络公司Google为实验对象。经过对于2012年～2018年的数据统计，整理出上百组数据并进行研究，用spss等工具进行进一步探究，然后从中挑选出成果最具有代表性的部分数据放入本文做参考数据。最终利用所得数据分析可知各因素对于股票波动的影响强弱。 关键词：有效市场假说；多因素模型；资本资产定价模型；多元线性回归 中图分类号：F8309文献识别码：A文章编号： 2096-3157（2019）07-0104-04 一、前言 1研究背景 股票是一种用来募集资金的有价证券，随着时代的发展，股票已经成为公民理财的重要方式之一，其在公民收入与支出中所占的比重也不断增大，与此同时也影响着国家、企业、个人的经济状况与环境以及社会和个人的可持续发展。股市中很多因素对于股票的波动性产生影响，因此，寻求一种有效的投资方法，成为了几乎所有投资者的首要目标。 当今信息技术日新月异使得数据的大规模增长，许多学者将数据挖掘、机器学习、神经网络应用在股票分析中。揭示事物发展规律变化的内部规律，发现不同事物之间的相互关系，使人们能够正确认识事物和科学决策，已经成为了金融分析领域的重要方法。 股票分析分为两种，一种是对于股市总体的评价和预测，这种分析有益于政府制定正确的政策，也有助于企业制定恰当的发展战略。另一种是针对单个股票的涨跌进行预测，其主要目的是为股民提供规避风险的参考。 目前，我们接近于一个半强型的市场，半强型市场中分析的作用效果甚微，而内幕消息却可能获得超额利润。比如拼多多出现了假货之后丑闻快速传播，股票在当天就有强烈的波动，

回归分析在股票价格预测中的应用

回归分析在股票价格预测中的应用 摘要：随着我国市场经济环境的日益成熟，股市规模的不断扩大，股票价格成为投资者、经济、系统科学领域研究的热点问题，影响股票价格的因素越来越多，预测未来的股票价格变得十分有必要。股票市场的价格数据呈时间序列，本文将运用Eviews软件对股票价格进行多元线性回归模型预测，以国电电力的历史价格为例，预测该股票的次日收盘价。通过对比消除共线性前后的两个模型对次日收盘价的预测结果，验证了利用主成分分析消除共线 性后的多元线性回归方程预测效果更好。 关键词：股票价格；Eviews；多元线性回归；主成分分析 Abstract:With the growing maturity of China's market economy environment, the scale of stock market is expanding.Stock price has become a hot topic in the field of investor, economy and system science.There are more and more factors influencing stock prices,so it is very necessary to predict future stock prices.The price data in stock market being time series,this article will use Eviews software to predict stock price by multiple linear regression model.Taking the historical price of Guodian power as an example,we predict the next closing price of the stock.By comparing the prediction results of the two models before and after collinearity to the closing price of the next day,it is proved that the effect of the multivariate linear regression equation after the use of principal component analysis is better than that of the multi linear regression equation after the elimination of the collinearity. Key words:Eviews; Multiple linear regression; Principal component analysis

[VIP专享]关于股票收益与BM的分析(数据可改)

关于账面市值比的实证分析举例 研究样本和变量计算 研究样本 本文的数据样本的时间区间是2003年7月-2011年6月，样本包括了我国A 股市场钢铁的45支股票，剔除了一些由于特殊性不能采纳的股票：ST 股票； 年报中净资产（股东权益）为负的股票；数据缺失的股票。 变量计算 2. 收益率计算 （1）个股收益率的计算 股票i 在t 月的收益率计算公式为： （1） 11()/it it it it R P P P --=- 其中和分别为股票i 在t 月和t-1月的股权收盘价格。 it P 1it P -（2）投资组合收益率的计算 投资组合P 在t 月的收益率为投资组合中所含股票的个股月收益率的pt R it R 等权重平均值，也便是其算数平均值。是投资组合的超额收益率，其()p f R R -中，代表的是我国三个月期的定期存款年利率折算出来的月无风险利率。市 f R 场投资组合收益率代表的是所选择样本区间内我国钢铁全部股票（包括被删 M R 除的股票）月收益率的等权重平均值。 3. 账面市值比（BE/ME ）的计算 本文在每年的6月末对所选的样本数据进行分组，用t-1年末的个股权益值 和t-1年末的股价之比BE/ME 来衡量股票从t 年7月到t+1年6月的账面市值 比的大小。比如，用2003年末的BE/ME 来衡量股票从2006年7月到2007年

6月的账面市值比大小，以后的隔年也按照这个规律类推。用来表 BE ME ln(/) 示BE/ME的自然对数值。 描述性统计 投资组合分组 投资组合分组的方法是指投资组合以特定的指标或变量进行分组的前提下，通过考察各组合的平均收益，利用所选特征值的最大值和最小值的组合平均收益的差值，并用差值的显著性来判断横截面收益现象存在与否。 经过上文的解释分析，我们认为账面市值比对股票收益的影响作用是非常大的，可以看作是影响股票收益的最重要的原因之一。所以在考虑不同市场情况下，特征变量对股票收益的影响时，可以只考虑账面市值比因子对股票收益 β 率的影响。股票自身的影响因素值代表的股票的系统风险，虽然剔除之后可以更好的考察账面市值比本身对股票收益的影响，但是在本文中为了全面性的 β 考察相关因素对股票收益的影响，还是选择不剔除值进行研究。 1.市场阶段划分 本文选定的时间范围为2003年7月-2011年6月钢铁股票的收益情况，在这期间，中国股市也存在上涨与下跌的阶段划分。其中，上涨阶段包括2003 年10月—2007年10月；2008年11月—2009年7月；下跌的阶段包括2007 年11月-2008年10月，2009年8月至今；在本文的研究中，我们把股票指数 上涨的期间称为牛市，把股票指数下跌的期间称为熊市，并根据此时间段的划分分别对钢铁股票进行研究分析。 2. 投资组合划分 β 我们先把选定的样本区间内的钢铁股票按照排序后分为5组，然后再根据其账面市值比把钢铁股票分为5组，这样就考虑在剔除股票的系统风险对其

股票的收益率计算公式

股票收益率地计算公式 【银行从业资格证考讯】 股票收益率＝收益额 原始投资额 其中：收益额收回投资额全部股利(原始投资额全部佣金税款) 当股票未出卖时，收益额即为股利. 衡量股票投资收益水平地指标主要有股利收益率、持有期收益率和拆股后持有期收益率等. .股利收益率股利收益率，又称获利率，是指股份公司以现金形式派发地股息或红利与股票市场价格地比率. 该收益率可用于计算已得地股利收益率，也可用于预测未来可能地股利收益率. .股票持有期收益率持有期收益率指投资者持有股票期间地股息收入与买卖差价之和与股票买入价地比率. 股票没有到期日，投资者持有股票地时间短则几天，长则数年，持有期收益率就是反映投资者在一定地持有期内地全部股利收入和资本利得占投资本金地比重.持有期收益率是投资者最关心地指标，但如果要将它与债券收益率、银行利率等其他金融资产地收益率作比较，须注意时间地可比性，即要将持有期收益率转化为年率. .股票持有期回收率持有期回收率是指投资者持有股票期间地现金股利收入与股票卖出价之和与股票买入价地比率.该指标主要反映投资回收情况，如果投资者买入股票后股价下跌或是操作不当，均有可能出现股票卖出价低于买入价，甚至出现持有期收益率为负值地情况，此时，持有期回收率可作为持有期收益率地补充指标，计算投资本金地回收比率. .拆股后地持有期收益率投资者在买入股票后，在该股份公司发放股票股利或进行股票分割(即拆股)地情况下，股票地市场地市场价格和投资者持股数量都会发生变化.因此，有必要在拆股后对股票价格和股票数量作相应调整，以计算拆股后地持有期收益率. 买股票前要努力作好各种准备工作，要涉猎金融常识及国内外财径及政治动态，详细分析各上市公司地经营状况，并锻炼好强壮地身体，以备心脏能承受大起大落地冲击.确定长期地投资目标和原则，为股票交易地首要问题.股民是否具备经商地经验，与投资股票能否获利并没有必然地联系.任何直接投资都是专业投资，而专业投资需要专业知识作基础.防止在高价位套牢，是学习买卖股票地最重要地一课.买股票若仅是为了"赚钱"，那就是踏出了错误地第一步，因为你还要注意其"增加了你生活上地情趣."在股票市场中，股价地涨涨跌跌是很正常地事，容易紧张地人最好不要搞股市投资，以免金钱和身体均遭损失.不要轻易地去劝别人买卖股票，股价最不容易预测，以免出错招怨.能够亏损地最大范围，就是你能够投资地最大极限.从事股票投资，会获得许多无形地收入.股票乃是安全性最高地"赌徒"，光凭"赌运"并不一定就能够成功，还有赖于思考力与忍耐力地结合.选择投资目标要尽量符合自己地性格.任何投资都需具备智慧性地忍耐力.如果晚上睡不着觉，那么就卖掉你地股票吧！本业第一，股票投资为辅，做股票能帮助致富，却不可视其为事业.不要把所有地财产都投入股市，更切忌借贷资金购买股票.对一般存款未达"大款"水准地工薪阶层，把鸡蛋分放在三个蓝子，还不如把鸡蛋集中存放在保险柜里.不急功近利，不三心二意，不沉溺玩股.不要将短期周转资金去炒股票.如

股票收益率分析论文

股票收益率分析论文 1数据选取 本文实证分析的数据选取上海股市综合指数(简称上证综指)每日收盘指数。考虑到我国于1996年12月16日开始实行涨跌停板限价交易，即除上市首日以外，股票、基金类证券在一个交易日的交易价格相对上一个交易日收市价格的涨跌幅不得超过10%，本文把数据分析时段选择为：1996.12.16-2007.05.18，共2510组有效数据。数据来源为CCER中国经济金融数据库。数据分析采用软件为Eviews5.1。通过对原始序列的自然对数变换，得到上证综指收益率序列，有2509个数据，记为RSH。 2基本统计分析 2.1序列的基本统计量 对称分布的偏度应为等于0，而上证综指收益率的偏度为负值，说明该序列的分布是有偏的且向左偏斜，即收益率出现正值的概率小于收益率出现负值的概率。另外，已知正态分布的峰度等于3，而上证综指收益率的峰度是8.919924，远大于3，这表明RSH序列不服从正态分布，而是具有尖峰厚尾特性。 2.2序列的自相关性 采用Ljung-BoxQ统计量检验上证综指收益率序列的自相关性。原假设为序列不存在阶自相关。根据上证综指收益率的10阶滞后期的Q统计值及其相应概率值可知，上证综指收益率的相关性并不显著。 2.3序列的平稳性和正态性 为了避免伪回归现象的发生，在建立回归模型之前须对收益率序列进行平稳性检验。采用ADF方法检验RSH序列的平稳性，其检验统计值为-51.7733，远小于MacKinnon的1％临界值，认为上证综指收益率序列不存在单位根，是显著平稳的。这就避免了非平稳性带来的许多缺陷。上证综指收益率序列的 D.W.值为1.9705，非常接近于2，表明其残差序列不存在序列相关。 本文使用Jarque-Bera方法对RSH序列其进行正态性检验，检验统计值为3682.735(p=0.000)，概率值足够小以至于必须怀疑原假设的正确性。这也就说明，用正态分布对中国股市收益率的波动性进行描述是不正确的。

基于广义误差分布的股票收益率波动特征分析

第22卷 第4期 宁 波 大 学 学 报（人 文 科 学 版） Vol. 22 No.4 2009年7月 JOURNAL OF NINGBO UNIVERSITY（LIBERAL ARTS EDITION） July 2009 —————————————— 收稿日期：2008 - 12 - 05 基金项目：教育部人文社会科学青年项目（06JC790028）；教育部人文社会科学青年项目（06JC790018）。 作者简介：崔 畅（1976 -），女，吉林长春人，上海财经大学统计学系讲师，博士。 基于广义误差分布的股票收益率波动特征分析 崔 畅 （上海财经大学 统计学系，上海 200433） 摘要：假设股票收益率序列服从具有厚尾特征的GED 分布，利用多种非对称性模型描述和检验了沪市股 票日收益率序列的波动性特征，发现股票价格波动具有条件异方差性，并通过对股票市场信息影响曲线的 分析，刻画了沪市股票价格波动中的显著非对称性。这说明股市波动对于不同的政策干预和信息冲击具有 不同程度的反应，且非对称性的方向与以往结论有所不同，说明我国股市风险变异特征和收益状况在不断 的发生变化，“利好消息”对股市的刺激作用需要其他市场干预的配合才能发挥出来。 关键词：波动性；非对称性；广义误差分布；信息影响曲线 中图分类号：F224.0 文献标识码：A 文章编号：1001 - 5124（2009）04 - 0094 - 05 一、引言 金融资产价格的波动性是确定金融衍生工具价格的关键因素，即通常认为资产价格是波动性（或者风险）的函数，因此如何描述资产价格或者收益率的波动特征，是作出正确投资决策的基础。金 融时间序列的大量计量研究都在关注资产收益率序列的动态特征和随机波动性（Mills，1999）。［1］同 时，对于价格或者收益率条件均值的最优推断也依赖条件二阶矩(即以方差度量的波动性)。如果错误地推断资产价格的条件二阶矩，那么对于资产价格水平的动态分析将出现严重偏误。因此金融时间序列的均值过程和二阶矩过程都是非常重要的。［2］ Christie 认为，［3］当股票价格下降时，资本结构中附加在债务上的权重增加，如果债务权重增加 的消息泄露以后，将导致资产持有者和购买者产生未来资产收益率将出现更高波动性的预期，从而导致该资产的股票价格波动加剧。因此，对于股票收益率反向冲击所产生的波动性，要大于等量正向冲击所产生的波动性。Campell & Hentschel ①提出的反馈效应则认为，利好消息连续出现的可能将增大股票价格的未来波动，这反过来会提高投资者对股票的预期回报，降低股票价格，削弱利好消息对股价波动的正向效应。这种“利空消息”作用大于“利好消息”作用的非对称性，在美国等国家的一些股票收益率序列当中得到了验证，并已经结合到投资决策当中。 在我国股票市场当中，是否也存在股票收益率波动的异方差性和非对称性呢？由于对于条件波动性的度量涉及到非线性模型的参数估计，因此统计结论对于模型形式和样本区间都比较敏感。虽然已有一些此方面的研究，但由于我国股票市场正处于快速发展过程中，随着市场化程度的加深和股票数据的样本增加，我国股票市场的波动性也出现了一些新的特征，尤其是经历了新的一轮剧烈涨跌的轮换和波动之后，我国投资者的风险管理行为和意识已经出现了变化，为此，需要采用多种形式的条件方差模型和更长样本区间的数据，来描述和检验市场信息冲击对股票收益率波动性的非对称性作用，以便增强所获得的经验结论的稳健性。同时我们考虑到金融领域的高频时间序列的波动状况是随着时间的推移而不断变化的，并且伴随着较大的峰度。这说明金融时间序列普遍存在着波动聚类性(Volatility -clustering)和厚尾性(fat-tail)，因此基于正态假设估计的波动性会影响分析结果