張宏碹　張蓉儀　劉晴

摘要：基于AR模型，對中國證券市場的預(yù)測分析，對中國股市未來未知的區(qū)域進(jìn)行預(yù)測、評估。在數(shù)據(jù)的相關(guān)性在可信區(qū)間內(nèi)，對股票的各種風(fēng)險壓力通過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，精確對股票的操作。

關(guān)鍵詞：股票 AR模型 預(yù)測分析

一、前言

在金融市場之中，證券市場之中的股票市場，是一個體制相對完善的市場。對于一個相對客觀的投資市場，就可以運(yùn)用一些量化手段，去剖析這個市場的發(fā)展規(guī)律。通過市場的發(fā)展規(guī)律，來預(yù)測在未知的市場后續(xù)之中走勢。所以，選用了AR模型來對市場進(jìn)行預(yù)測，通過預(yù)測的結(jié)果來分析預(yù)測的結(jié)果與現(xiàn)實走勢的關(guān)系，以及面對預(yù)測結(jié)果如何掌控未來的走勢和面對的突發(fā)情況。

二、應(yīng)用理論介紹

（一）時間序列

時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間序列數(shù)據(jù)的一種基本的方法。通過建立自回歸模型，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的發(fā)展變化。

（二）自回歸模型

自回歸模型（Autoregressive model），簡稱AR模型，是統(tǒng)計上

種處理時問序列的方法，用來描述當(dāng)前值與歷史值之間的關(guān)系，用變量自身的歷史時間數(shù)據(jù)對自身進(jìn)行預(yù)測，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，只是把自變量x對因變量y的分析，變成自變量x對自身的分析即可。

自回歸模型是用自身的數(shù)據(jù)來進(jìn)行預(yù)測，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)過程的隨機(jī)特征不隨時間變化。

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)測結(jié)果極不準(zhǔn)確。

3.自回歸只適用于預(yù)測與自身前期相關(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)生時間序列Y的隨機(jī)過程的隨機(jī)特征不隨時間變化，則稱過程是平穩(wěn)的；假如該隨機(jī)過程的隨機(jī)特征隨時間變化，則稱過程是非平穩(wěn)的。

平穩(wěn)性是由樣本時間序列所得到的擬合曲線，在未來的段期間內(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)，則說明樣本擬合曲線的形態(tài)不具有延續(xù)的特點，也就是說擬合出來的曲線將不符合當(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)的計算，再利用Eviews軟件進(jìn)行預(yù)測。通過計算當(dāng)天開盤價和收盤價來計算當(dāng)天股價中點值，對其進(jìn)行當(dāng)天股價的簡化，將其第二天中點值算為第一天后的預(yù)測實際值，利用對前兩天的中點值進(jìn)行二次簡化其股票價格。

利用SPSs進(jìn)行預(yù)測一起票價格的函數(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。自回歸模型被利用來校正相關(guān)系數(shù)和廣義回歸條件。

其中：x1為當(dāng)天開盤價和收盤價的中點值；

X2為x1當(dāng)天前天的值；

x3為x1當(dāng)天與前一天的中點；

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的第二個自相關(guān)系數(shù)乘以x1的值。

四、對預(yù)測結(jié)果分析

首先，選取了十個大板塊的股票，從每個板塊之中隨機(jī)抽取一只股票進(jìn)行分析。首先運(yùn)用的是五階值來進(jìn)行的相關(guān)系數(shù)的檢測。最后得到的相關(guān)系數(shù)，有些數(shù)值在第三個數(shù)的時候就變成了負(fù)值。但是運(yùn)用二階值的時，并沒有出現(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)天股票交易開盤價與收盤價的中值。經(jīng)過假想，采用中值這做法的目的是能更好的找到當(dāng)天分時線的分界點，以此可以判斷當(dāng)天的基準(zhǔn)價位。我稱之為交易的價值線。它的好處在于，它總會處于當(dāng)天k線的實體線框之內(nèi)，也就意味著沒有脫離價值的過高和過低，這條線保持了價值的價格。

這水平的線段定義為當(dāng)日的價值分界線。股票每日都會有開盤價收盤價，還有個平盤價格，但是平盤價只是一種定義它漲幅上下限值的一個評判標(biāo)準(zhǔn)，在我看來，這個并不是股票當(dāng)日真正價值的體現(xiàn)。又因為接觸AR模型，所以展開了這一新的思想，就是AR模型對證券走勢的分析預(yù)測，現(xiàn)階段主要是針對股票市場的預(yù)測。

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

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

先來分析一下0.3元以下的沒有誤差的，經(jīng)多次驗證表明，結(jié)合當(dāng)前股票的走勢日k圖表明：模型取舍的是二階值，在預(yù)測之前的數(shù)據(jù)波動較小或極其具有規(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)測竟然與真實的值完全相同，沒有絲偏差。反觀誤差在0.3以上的，在預(yù)測之前的數(shù)據(jù)就產(chǎn)生了劇烈的波動例如差距達(dá)到1.4元的強(qiáng)力新材（300429），在預(yù)測之前的天出現(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)確尋找到價值線或是價值線所在的大概區(qū)間，這根價值線也就是當(dāng)天的開收盤價格的中線。

通過AR模型進(jìn)行的

系列的計算，就得到了這個非常重要的數(shù)值。

這個數(shù)值的在實際股票市場之中的應(yīng)用是非常明顯易懂的。假設(shè)你知道了第二天的價值線你會怎么做，這就很顯而易見。通過自己的成本價格，又知道第二天價值線，對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，能對自己股票進(jìn)行個簡單的操作，來降低股市對投資者的風(fēng)險，使得收益大于風(fēng)險收益。

那么這個價值線有沒有辦法對中長期投資者有幫助呢？

那么答案是肯定的，但并不是簡單的將預(yù)測數(shù)據(jù)增多。因為預(yù)測是有誤差的，如果用有誤差的數(shù)據(jù)去預(yù)測數(shù)據(jù)，你增多你的數(shù)量那么誤差也會相應(yīng)增多，從而導(dǎo)致這個數(shù)據(jù)越來越偏離真實的軌跡。再加上新聞時事對股市的影響，還有其他重大事項對股票的影響那么就導(dǎo)致這個誤差變得很大，這個數(shù)據(jù)就不會再有真實性。

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

剛才說到了新聞時事與重大事項造成的誤差，這是不是對預(yù)測本身也會有影響呢。答案是肯定的，期間做過個小實驗，用雄安的題材股，時間采用雄安公布之前的數(shù)據(jù)進(jìn)行預(yù)測，因為新聞時事與重大事項造成的漲停加大了當(dāng)日的中線與價值線的誤差。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被預(yù)測出來的，他預(yù)測只不過是在種理性市場中，對理性投資的種預(yù)測，準(zhǔn)確度相當(dāng)高。如果因為重大事項而出現(xiàn)的不正常漲跌幅，是沒有辦法預(yù)測的。但是如果這一因素可以長期影響這這股票，那么后續(xù)部分還是可以進(jìn)行預(yù)測的，誤差也會縮小。多以在使用這個預(yù)測模型時，波動越大越不規(guī)律那么就要出現(xiàn)些需要預(yù)測推斷，就像上面所說的樣，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)測股票市場走勢，以及未來是否能預(yù)測期貨和外匯等證券市場的走勢，還進(jìn)步有待驗證，驗證是個長期的過程，希望讀者也能和我起見證我所發(fā)現(xiàn)的這方法，會使用的讀者，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)測股票市場未來走勢。endprint