論基于成交量標度的股價動力學分析-免費閱讀
【正文】 再由辨識階段得到的ARIMA模型的參數(shù)值對后面的樣本進行了測試，從各個誤差分析項（包括均方差、平均絕對值誤差、％的百分比等）也可以看出，基于成交量標度的指數(shù)序列用ARIMA模型擬合要好于收盤價序列。 （3）、AIC和BIC值看，基于成交量標度的指數(shù)序列的值都要小于收盤價序列，說明基于成交量標度的指數(shù)序列要比收盤價序列擬合的更好一些。記CLSPRC為原來的基于時間標度的收盤價序列，PRC_L為基于成交量標度的股價序列。這里的權是成交量進程時間，而股價則用平均成交價替代。因為成交量進程時間的均值等于1，即剛好等于一個平均時間刻度單位，那么成交量標度的單位設定為成交量進程時間的均值。 對于式（4），我們使用成交量標度進行股價動力學分析包括三個步驟：①標度成交量時刻；②構造基于成交量標度的股價序列；③進行基于成交量標度的股價動力學分析，即求解函數(shù)。通過時間的標度，我們得到兩個時間序列（基于時間標度的序列）：價格序列和成交量序列。 在成交量進程時間假設下，記： （1） 其中：為時刻的成交量。但許多研究發(fā)現(xiàn)，股票價格的變化與市場上的信息有很大的關系，股票價格的調整并不是以我們記錄數(shù)據(jù)用的固定的日歷時間進程推進的，不是從這一日到下一日，從這一周到下一周，它也存在自己獨立的時間推進進程，比如信息流進程[3]。而實際上，股價的推進是按它自己的交易時間進行的，本文在股價調整的成交量進程時間假設的基礎上，提出基于成交量標度的股價動力學分析的基本思想和基本方法，并通過對上證綜合指數(shù)的實證研究證實了基于成交量標度的股價動力學分析方法的可行性和有效性。吳沖鋒，1962年生，博士，教授，博導。交易者從成交量中獲取信息進行學習，并據(jù)此制定交易策略。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]。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。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。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。 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。 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。 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。③第四列、第五列分別為赤池信息準則值和ScharwzBayes信息準則值。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。 trading volume process hypothesis。 （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。表1 兩個序列的ARIMA模型序列ARIMA(p,d,q)模型的擬合情況
環(huán)評公示相關推薦
鄂ICP備17016276號-1