中国股票价格预测与实证分析-毕业论文

题目《中国股票价格预测与实证分析》学院(部)财经学院专业金融学组员林锦辉（组长）（201301801049蒙祥胜（201301801056）指导教师杨毅2016年4月24日目录TOC\o"1-3"\u1.案例摘要 .案例摘要2014年4月起，中国股市迎来了股市的春天。上证指数盘面信息显示，股指从2000点开始放量上涨，市场开始散发投资的气息。投资者，在高回报的驱使下，跑步入市。回顾往昔，中国自2007年金融风暴席卷全球下，股指呈断崖式下跌。市场一片恐慌，而导致股市陷入了7年的低迷。中国股市才走过25年左右的历史，股市相对于发达国家来说，并不是非常完善。有着，“政府市”的说法。而投资者为散户居多，机构投资者少。由于中国股市的不成熟性，而股市投资本来就充满了风险。为了，加深对中国股市的了解以及能更好的实现资本保值或增值。本文旨在基于计量经济学模型对中国股票价格进行预测与实证分析。为投资者，提供谨慎性的投资策略。关键词股票价格预测计量经济学模型政策与建议1.1研究主题通过对股票价格预测，为投资者提供投资的建议，以更好的在资本市场进行资产保值与增值。本文从中国股市与外国股市的关联性角度出发，综合考虑各国资本市场的完善程度与GDP情况分别选取了美国——标准普尔指数（S&P500）、英国——伦敦金融时报100指数（FTSE100）、香港——恒生指数（HANGSENG）、日本——日经225指数（Nikkei225）作为影响中国股市的自变量。从实用性角度，从我国股市选取了上证指数（SSECompositeindex）作为被解释变量。通过相关变量，利用金融计量学相关模型建模，对我国股票价格进行预测。1.2数据类型月度数据（Monthly）（时间序列）——有利于抵抗短期性市场波动干扰，更好把握投资的长期趋势。1.3起止时间2006m01-2016m031.4主要研究方法古典线型回归模型var模型协整分析Granger因果分析MAIAR模型1.5小组成员及任务分析林锦辉(组长)选题、模型选择、古典回归模型建立与分析、政策与建议撰写、蒙祥胜2模型的提出以上证指数SH(以首字母缩写表示,下同)为被解释变量，以标准普尔500MG、伦敦金融时报100指数LD、香港恒生指数XG、日经225指数（RB）为自变量做回归分析。3数据来源数据均来自雅虎财经/。具体如下：MONTHLYSHMGLDXGRBJan-061299.031280.665791.515918.4816205.43Feb-061298.31294.875964.615805.0417059.66Mar-061440.221310.616023.116661.316906.23Apr-061641.31270.095723.815857.8915467.33May-061672.211270.25833.416267.6215505.18Jun-061612.731276.665928.316971.3415456.81Jul-061658.641303.825906.117392.2716140.76Aug-061752.421335.855960.817543.0516127.58Sep-061837.991377.946129.218324.3516399.39Oct-062099.291400.636048.918960.4816274.33Nov-062675.471418.36220.819964.7217225.83Dec-062786.331438.246203.120106.4217383.42Jan-072881.071406.826171.519651.5117604.12Feb-073183.981420.86630819800.9317287.65Mar-073841.271482.376449.220318.9817400.41Apr-074109.651530.626621.520634.4717875.75May-073820.71503.356607.921772.7318138.36Jun-074471.031455.276360.123184.9417248.89Jul-075218.831473.996303.323984.1416569.09Aug-075552.31526.756466.827142.4716785.69Sep-075954.771549.386721.631352.5816737.63Oct-074871.781481.146432.528643.6115680.67Nov-075261.561468.366456.927812.6515307.78Dec-074383.391378.555879.823455.7413592.47Jan-084348.541330.635884.324331.6713603.02Feb-083472.711322.75702.122849.212525.54Mar-083693.111385.596087.325755.3513849.99Apr-083433.351400.386053.524533.1214338.54May-082736.112805625.922102.0113481.38Jun-082775.721267.385411.922731.113376.81Jul-082397.371282.835636.621261.8913072.87Aug-082293.781166.364902.518016.2111259.86Sep-081728.79968.754377.313968.678576.98Oct-081871.16896.24428813888.248512.27Nov-081820.81903.254434.214387.488859.56Dec-081990.66825.884149.613278.217994.05Jan-092082.85735.093830.112811.577568.42Feb-092373.21797.873926.113576.028109.53Mar-092477.57872.814243.715520.998828.26Apr-092632.93919.144417.9181719522.5May-092959.36919.324249.218378.739958.44Jun-093412.06987.484608.420573.3310356.83Jul-092667.751020.624908.919724.1910492.53Aug-092779.431057.085133.920955.2510133.23Sep-092995.851036.195044.621752.8710034.74Oct-093195.31095.635190.721821.59345.55Nov-093277.141115.15412.921872.510546.44Dec-092989.291073.875188.520121.9910198.04Jan-103051.941104.495354.520608.710126.03Feb-103109.11169.435679.621239.3511089.94Mar-102870.611186.695553.321108.5911057.4Apr-102592.151089.415188.419765.199768.7May-102398.371030.714916.920128.999382.64Jun-102637.51101.6525821029.819537.3Jul-102638.81049.335225.220536.498824.06Aug-102655.661141.25548.622358.179369.35Sep-102978.831183.265675.223096.329202.45Oct-102820.181180.555528.323007.999937.04Nov-102808.081257.645899.923035.4510228.92Dec-102790.691286.125862.923447.3410237.92Jan-112905.051327.22599423338.0210624.09Feb-112928.111325.835908.823527.529755.1Mar-112911.511363.616069.923720.819849.74Apr-112743.471345.2599023684.139693.73May-112762.081320.645945.722398.19816.09Jun-112701.731292.285815.222440.259833.03Jul-112567.341218.895394.520534.858955.2Aug-112359.221131.425128.517592.418700.29Sep-112468.251253.35544.219864.878988.39Oct-112333.411246.965505.417989.358434.61Nov-112199.421257.65572.318434.398455.35Dec-112292.611312.415681.620390.498802.51Jan-122428.491365.685871.521680.089723.24Feb-122262.791408.475768.520555.5810083.56Mar-122396.321397.915737.821094.219520.89Apr-122372.231310.335320.918629.528542.73May-122225.431362.165571.219441.469006.78Jun-122103.631379.325635.319796.818695.06Jul-122047.521406.585711.519482.578839.91Aug-122086.171440.675742.120840.388870.16Sep-122068.881412.165782.721641.828928.29Oct-121980.121416.185866.822030.399446.01Nov-122269.131426.195897.822656.9210395.18Dec-122385.421498.116276.923729.5311138.66Jan-132365.591514.686360.823020.2711559.36Feb-132236.621569.196411.722299.6312397.91Mar-132177.911597.576430.122737.0113860.86Apr-132300.591630.746583.122392.1613774.54May-131979.211606.286215.520803.2913677.32Jun-131993.81685.736621.121883.6613668.32Jul-132098.381632.976412.921731.3713388.86Aug-132174.671681.556462.222859.8614455.8Sep-132141.611756.546731.423206.3714327.94Oct-132220.51805.816650.623881.2915661.87Nov-132115.981848.366749.123306.3916291.31Dec-132033.081782.596510.422035.4214914.53Jan-142056.31859.456809.722836.9614841.07Feb-142033.311872.346598.422151.0614827.83Mar-142026.361883.95678022133.9714304.11Apr-142039.211923.576844.523081.6514632.38May-142048.331960.236743.923190.7215162.1Jun-142201.561930.676730.124756.8515620.77Jul-142217.22003.376819.824742.0615424.59Aug-142363.871972.296622.722932.9816173.52Sep-142420.182018.056546.523998.0616413.76Oct-142682.832067.566722.623987.4517459.85Nov-143234.682058.96566.123605.0417450.77Dec-143210.361994.996749.424507.0517674.39Jan-153310.32104.56946.724823.2918797.94Feb-153747.92067.89677324900.8919206.99Mar-154441.652085.516960.62813319520.01Apr-154611.742107.396984.427424.1920563.15May-154277.222063.11652126250.0320235.73Jun-153663.732103.846696.324636.2820585.24Jul-153205.991972.186247.921670.5818890.48Aug-153052.781920.036061.620846.317388.15Sep-153382.562079.366361.122640.0419083.1Oct-153445.42080.416356.121996.4219747.47Nov-153539.182043.946242.321914.419033.71Dec-152737.61940.246083.819683.1117518.3Jan-162687.981932.236097.119111.9316026.76Feb-163003.922059.746174.920776.716758.67Mar-162959.242091.586310.421467.0417572.494.建模与分析4.1古典线型回归模型古典线型回归方程为SH=919.31-0.86MG-0.98LD+0.30XG+0.17RB+ut.由判定系数可知，模型拟合程度相对较高。各系数的P值较小（小于0.1），故各系数显著。4.12多重共线性检验参照0.7界限，高于0.7，则具有较高的相关性。MG与LD的相关性达0.87；MG与RB的相关性达0.78；RB与LD的相关性达0.74。原因可能是，MG与LD在资本市场相对成熟，国家经济力量雄厚，而存在资本市场上的高度相关性。由于日本是世界第三大经济体，其与第一大经济体美国经济相关性极大，所以在资本市场上也有着一定的相关性。我们在综合考虑其它检验下，再来考虑是否对多重共线性进行处理。4.13残差自相关性检验4.131图示法从图中可以看出，e随时间呈现Sint的变化不。故估计的古典线型模型存在正的自相关。4.132D-W法从古典回归方程中可以得出d=0.40，在k=4，n=123的情况下（5%显著性水平单侧检验），dl=1.59，du=1.76.故d<1.59.,则存在正的序列相关。4.133B-G检验法B-G检验下，P<0.1,故Obs*R-squared是显著的。所以大于临界值，拒绝不存在自相关的原假设。4.14自相关性的修正——广义差分法ρ=（1-d/2）=0.80.3从使用广义差分法差分的结果可知，DW有了显著提高，d=1.89>du=1.79.故接受不存在自相关的原假设。4.15残差异方差检验以未进行自相关调整后的广义差分模型，来进行残差异方差检验。从表中可知，P<0.1故Obs*R-squared值比较显著。故拒接原假设，存在异方差。由于广义差分模型满足经典假设。故我们考虑以广义差分模型作为最优的古典线型回归模型。模型如下：SH=579.65+0.11MG-0.32LD+0.16XG+0.05RB+ut但我们发现，MG和RB的t统计量极不显著。再考虑，MGLDRB间有极强的三角相关关系，故我们考虑剔除经济排名较后且与中国股市关联性较差的Ld（XG由于是中国的一个特别行政区，其经济情况与大陆息息相关，而导致资本市场上同样具有较强的联系，故不考虑剔除xg。综合考核，各种检验后，我们最终决定比较符合古典线型假设的新模型：SH=-1404.55-1.83MG+0.23XG+0.14RB+ut该模型下，显示模型解释力，即R^2=0.62,其解释情况适中。除了，解释力欠佳外，其它各种指标均表现较好。均值显著，不存在明显的多重共线性，残差自相关，残差异方差的情况。对于，其解释力适中的原因，我们认为是由于其经济内在因素——宏观经济指标，如GDP,CPI,RATE，M2等因素影响。但我们本次是从各国股市的关联性出发，来选取变量，研究各国股市对中国股市影响，以更好预测股票价格。所以，我们一致认为该模型为本次最优模型——符合古典线型回归假设要求。4.2VAR模型——向量自回归模型4.21平稳性检验对SH进行平稳性检验由于P>0.1,故不显著。所以，接受原假设，存在一个单位根，序列不平稳。对其进行一阶差分处理，得到经过一阶差分处理后的SH时间序列已平稳。对MG进行平稳性检验由于P>0.1,故不显著。所以，接受原假设，存在一个单位根，序列不平稳。对其进行一阶差分处理，得到经过一阶差分处理后的SH时间序列已平稳。对LD进行平稳性检验由于P>0.1,故不显著。所以，接受原假设，存在一个单位根，序列不平稳。对其进行一阶差分处理，得到经过一阶差分处理后的SH时间序列已平稳。对XG进行平稳性检验由于P>0.1,故不显著。所以，接受原假设，存在一个单位根，序列不平稳。对其进行一阶差分处理，得到对RB进行平稳性检验由于P>0.1,故不显著。所以，接受原假设，存在一个单位根，序列不平稳。对其进行一阶差分处理，得到4.22协整检验从图可知，SH,MG,LD,XG,RB,间存在一个协整关系，即它们之间存在长期的运动趋势。而在剔除LD后，不存在协整关系。则可以说明，LD是一个中间变量，其它各国股市随着LD而呈现变化。4.23Granger因果检验选择滞后阶数为三阶，预测短期波动对其它股市的影响。P=0.05<0.1,故F值显著。即拒绝原假设，即DSH是LD的原因。P=0.04， 即拒绝原假设，DSH是DXG原因。P=0.02<0.1,拒绝原假设，即DSH是DRB的原因。P=0.07<0.1,拒绝原假设，即DRB是DMG的原因。P=0.08<0.1,即香港是DLD的原因。故由上海的股票市场的变动会反馈到XG,RB，LD市场，不会影响美国市场，且美国市场不会影响上海市场。4．23VAR模型选择同样，选择对上证指数影响性较大的三大股票市场来做VAR模型。其不同滞后阶数下，信息准则如下表：2468AIC14.3114.3614.3914.44SC14.5614.8515.1315.41从表中可知，AIC与SC随着滞后阶数的增大，其信息准则的值越来越大，在这里就不一一列出。最后，选择滞后2阶。其结果如下：通过对残差自相关性，残差异方差性进行检验，Var模型满足古典假设。且其解释能力达到0.89，是较高的程度。各变量的联合显著性F值较大。故确定为最优VAR模型：（由于我们研究的是中国股票市场的预测，故只给出以SH为解释变量的VAR模型。SH=134.68+0.95SH(-1)+0.05SH(-2)+0.60MG(-1)-0.67MG(-2)-0.16LD(-1)+0.32LD(-2)+0.0051XG-0.05XG(-2)-0.0035RB(-1)+0.0056RB(-2)从VAR模型中，SH受自身影响比较大，且其上一期的值对其影响较大，下下期略有下降。而MG的t值并不显著，即使均值很高。故我们认为MG,LD，XG,RB对其影响较少。4.24脉冲检验从图中可以看出，对XG施加一个单位的冲击，SH在5时期达到峰值，且呈现负反向影响，最后呈现稳定，但异于0；对RB施加一单位影响，在5时期开始影响SH，且是正的影响。4.3ARIMA模型——自回归单证移动平均模型4.31自相关系数（AC）与偏自相关系数(PAC)依据上述图，并综合考虑AIC和SC后，我们得出初步ARIMA(1，2)的假定。但我们发现该模型下，解释力及预测能力都不是较好。故最终依据信息准侧与模型解释力及预测能力综合得出ARIMA(917)的模型。故最终的ARIMA模型为：DSH=DSH(-1)+DSH(-2)+DSH(-3)+…+DSH(-17)+ut(-1)+ut(-2)+ut(-3)+…+ut(-9).从中可以得出，SH的变动受到向前滞后17期的影响，且还会受到向前几天短期波动的影响。但从长期的趋势来看，支撑股票价格的还是自身总体趋势。短期趋势不造成影响。5政策与建议5.1技术面与基本面相结合分析。从古典线型模型可以解读出，其他具有代表性的股票市场对中国股市的影响只有0.7左右，之所有不完善，是由于变量的遗漏，而导致误差项的解释能力加大，即（AR（1））项对模型的解释有所增加。常言道：股市是经济的晴雨表。其反应的是每股收益，代表的是每个公司收益情况。而所有公司则为国家经济之所在。故，其它股市的情况，可以类比全球经济。全球经济的繁荣，对中国股市是一大利好消息。但，这只是一部分的因素，还有一部分便是中国的因素。中国，毕竟是全球第二大经济体，自身在全球经济中也有相当大的成分。故其股票价格还需依赖本国经济。外国的经济我们可以从其资本市场解读，仅从技术面出发，即技术分析的角度，研判其对中国股市造成的影响。但中国股市由于市场机制，管理制度，监管制度的不完善。其股市并不能很好地对经济状况进行解读，所以我们因从内在因素——如GDP,CPI,M2，RATE,去预测中国股市情况。投资者，因一方面把握技术面，从技术上预测股票价格；但同时，也需融入基本面分析——包括宏观，中观，微观的角度，从而更好的获取相应的投资回报。5.2英国资本市场的桥梁性。在进行Granger因果检验时，中国股市会影响英国；中国股市会影响香港，香港会影响英国；中国会影响日本，日本会影响美国；而不存在除此之外的其它关系。在对SH，MG,RB,XG,做协整检验时，显示不存在共同趋势；但加入英国后，存在一个协整关系。则中国股市，美国，英国，香港，日本股市有着长期的共同关系，非正即负。故投资者在进行股票投资时，应多发现其与其它资本市场的内在关系，特别是与英国资本市场的关系。从而更好把握投资价值。（在对英国作为桥梁的一个解释是，英国是世界上最久远的资本主义国家，其经济，政治，文化等各方面发展成熟，而其下资本市场在这种情况下，显得更加有代表性，而其货币币值为世界第一。（£=1.5$）.5.3中国股市较强的独立性。在利用VAR模型进行脉冲检验时，发现对香港施加一单位的冲击，中国股市在5时期达到峰值，且呈现负反向影响，最后呈现稳定，但异于0；对日本施加一单位影响，在5时期开始影响SH，且是正的影响，且持续时间较长，但这影响弱于香港对中国股市的冲击。且这冲击是短期性冲击，中国股市会对其有一定反映。但从Granger因果关系来看，中国股市的自身趋势并不会因为冲击而改变。所以，对于为实现资产价格实现长期增值与保值的投资者，对短期冲击可忽略，更多研判中国经济情况。5.4中国股市的在技术面可研判性不高。在利用ARIMA自回归单整移动平均模型时，发现由其自身的技术研判，对未来股票价格进行预测的的可能性并不高。这可能是中国股市制度不健全，市场机制不完善而导致的情况。有点，充满赌博的意味。故中国股市风险性时相对较高的。但并不是不可以投资，还需根据全球经济与本国经济，对股票的实际价格进行把握，才是首选。拒绝“黑5类”股票。而投资价值股，如万科A。（股市有风险，入市须谨慎!）基于C8051F单片机直流电动机反馈控制系统的设计与研究基于单片机的嵌入式Web服务器的研究MOTOROLA单片机MC68HC（8）05PV8/A内嵌EEPROM的工艺和制程方法及对良率的影响研究基于模糊控制的电阻钎焊单片机温度控制系统的研制基于MCS-51系列单片机的通用控制模块的研究基于单片机实现的供暖系统最佳启停自校正（STR）调节器单片机控制的二级倒立摆系统的研究基于增强型51系列单片机的TCP/IP协议栈的实现基于单片机的蓄电池自动监测系统基于32位嵌入式单片机系统的图像采集与处理技术的研究基于单片机的作物营养诊断专家系统的研究基于单片机的交流伺服电机运动控制系统研究与开发基于单片机的泵管内壁硬度测试仪的研制基于单片机的自动找平控制系统研究基于C8051F040单片机的嵌入式系统开发基于单片机的液压动力系统状态监测仪开发模糊Smith智能控制方法的研究及其单片机实现一种基于单片机的轴快流CO〈,2〉激光器的手持控制面板的研制基于双单片机冲床数控系统的研究基于CYGNAL单片机的在线间歇式浊度仪的研制基于单片机的喷油泵试验台控制器的研制基于单片机的软起动器的研究和设计基于单片机控制的高速快走丝电火花线切割机床短循环走丝方式研究基于单片机的机电产品控制系统开发基于PIC单片机的智能手机充电器基于单片机的实时内核设计及其应用研究基于单片机的远程抄表系统的设计与研究基于单片机的烟气二氧化硫浓度检测仪的研制基于微型光谱仪的单片机系统单片机系统软件构件开发的技术研究基于单片机的液体点滴速度自动检测仪的研制基于单片机系统的多功能温度测量仪的研制基于PIC单片机的电能采集终端的设计和应用基于单片机的光纤光栅解调仪的研制气压式线性摩擦焊机单片机控制系统的研制基于单片机的数字磁通门传感器基于单片机的旋转变压器-数字转换器的研究基于单片机的光纤Bragg光栅解调系统的研究单片机控制的便携式多功能乳腺治疗仪的研制基于C8051F020单片机的多生理信号检测仪基于单片机的电机运动控制系统设计Pico专用单片机核的可测性设计研究基于MCS-51单片机的热量计基于双单片机的智能遥测微型气象站MCS-51单片机构建机器人的实践研究基于单片机的轮轨力检测基于单片机的GPS定位仪的研究与实现基于单片机的电液伺服控制系统用于单片机系统的MMC卡文件系统研制基于单片机的时控和计数系统性能优化的研究基于单片机和CPLD的粗光栅位移测量系统研究单片机控制的后备式方波UPS提升高职学生单片机应用能力的探究基于单片机控制的自动低频减载装置研究基于单片机控制的水下焊接电源的研究基于单片机的多通道数据采集系统基于uPSD3234单片机的氚表面污染测量仪的研制基于单片机的红外测油仪的研究96系列单片机仿真器研究与设计基于单片机的单晶金刚石刀具刃磨设备的数控改造基于单片机的温度智能控制系统的设计与实现基于MSP430单片机的电梯门机控制器的研制基于单片机的气体测漏仪的研究基于三菱M16C/6N系列单片机的CAN/USB协议转换器基于单片机和DSP的变压器油色谱在线监测技术研究基于单片机的膛壁温度报警系统设计基于AVR单片机的低压无功补偿控制器的设计基于单片机船舶电力推进电机监测系统基于单片机网络的振动信号的采集系统基于单片机的大容量数据存储技术的应用研究基于单片机的叠图机研究与教学方法实践基于单片机嵌入式Web服务器技术的研究及实现基于AT89S52单片机的通用数据采集系统基于单片机的多道脉冲幅度分析仪研究机器人旋转电弧传感角焊缝跟踪单片机控制系统基于单片机的控制系统在PLC虚拟教学实验中的应用研究基于单片机系统的网络通信研究与应用基于PIC16F877单片机的莫尔斯码自动译码系统设计与研究基于单片机的模糊控制器在工业电阻炉上的应用研究基于双单片机冲床数控系统的研究与开发基于Cygnal单片机的μC/OS-Ⅱ的研究基于单片机的一体化智能差示扫描量热仪系统研究基于TCP/IP协议的单片机与Internet互联的研究与实现变频调速液压电梯单片机控制器的研究基于单片机γ-免疫计数器自动换样功能的研究与实现基于单片机的倒立摆控制系统设计与实现单片机嵌入式以太网防盗报警系统基于51单片机的嵌入式Internet系统的设计与实现单片机监测系统在挤压机上的应用MSP430单片机在智能水表系统上的研究与应用\t"