金融工程與財務管理17-全文預覽
【正文】 數(shù)ChiSquare顯著性概率CLSPRC(3,1,0)6PRC_L(2,1,0)6注：①第二列的p，d，q分別表示自回歸項、差分項和移動平均項的階數(shù)。 （2）從階數(shù)上看，基于成交量標度的指數(shù)序列的階數(shù)都比收盤價序列的小。 （2）在模型測試階段，各個誤差分析值也是基于成交量標度的指數(shù)序列要比收盤價序列好。這說明基于成交量的指數(shù)序列的ARIMA模型的擬合情況要優(yōu)于收盤價序列。 trading volume process hypothesis。上面的實證結果表明，基于成交量標度的股價動力學分析方法是可行的，也是有效的。5 結論 根據(jù)前面的基于成交量標度的股價序列的分析方法，我們對上證綜合指數(shù)的日數(shù)據(jù)進行了實證分析。 兩個序列的擬合效果分析由前面識別出的兩個序列的ARIMA模型及其參數(shù)值，我們對后面的80個樣本進行預測，再根據(jù)前面的誤差分析項計算出辨識階段和測試階段的各個誤差值，見表2。③第四列、第五列分別為赤池信息準則值和ScharwzBayes信息準則值。 我們把485個樣本分成兩段，第1至405個樣本用于系統(tǒng)識別和參數(shù)估計，第406至485個樣本用于測試。 數(shù)據(jù)樣本：1998年1月1日至1999年12月31日的上證綜合指數(shù)，共485個交易日 誤差分析 為了比較模型擬合樣本序列的程度，我們使用下面幾個誤差項分析。假設為日的成交金額，為日的成交總股數(shù)，則日的平均成交價為： （6） 記基于成交量標度的價格序列為，假設前s 個基于成交量標度的股價已經(jīng)產(chǎn)生，下面求第s＋1 個價格。 就象時間標度一樣，一般我們所取的標度值都是固定間隔的整數(shù)，而式（5）中累積成交量進程時間剛好等于整數(shù)值的時間標度往往介于兩個整數(shù)時間標度之間。 下面說明如何求得成交量標度時的時間標度值。 基于成交量標度的股價動力學分析的基本方法 確定成交量標度 由于放棄了傳統(tǒng)的時間標度，我們需要重新給定股價的標度。 特別地，當成交量標度等于原來的時間標度時，基于成交量標度的股價就是原來的基于時間標度的股價。自回歸AR模型、移動平均MA模型、自回歸移動平均ARMA模型等都是常用的線性動力學模型，非線性模型如神經(jīng)網(wǎng)絡模型等。目前所有的理論研究和實務分析，圍繞著這兩個序列可分成三類：①單獨研究價格序列的行為；②單獨研究成交量序列的行為；③研究和之間的行為。這樣，我們求得： 式（2）所表示的成交量進程時間轉換函數(shù)，可滿足上面提出的5個條件。 滿足上面5個條件的函數(shù)很多，不同的函數(shù)對應不同的成交量進程時間假設。通常假設滿足下面幾個條件： （1）不依賴于將來的值； （2）成交量進程時間和日歷時間以相同方向推進， ，； （3）可辨識，特別地，只是簡單的時間線性轉換函數(shù)是不合適的，因為時間線性轉換只是對日歷時間重新標定，如把季度轉換成年。正如華爾街上的諺語所說的，成交量推動股價的前進（It takes volume to move prices），股價的調(diào)整是按照成交量進程推進的，我們把這稱為成交量進程時間假設。由于各個經(jīng)濟周期的時間長度不同，所以分析這些周期行為的合適的時間刻度不能基于月、季、年或者其它日歷時間刻度，而應該是經(jīng)濟周期本身[1]。2 成交量進程時間假設 成交量進程時間假設我們都是以
研究報告相關推薦
鄂ICP備17016276號-1