基于成交量標(biāo)度的股價動力學(xué)理論分析(編輯修改稿)
2025-07-19 17:52 本頁面
【文章內(nèi)容簡介】 而是按其交易本身的時間推進(jìn)，按影響交易的信息流過程推進(jìn)，那么成交量作為市場重要事件的“信息含量”的度量標(biāo)志，很自然地可以作為市場交易本身時間的一個替代。 基于成交量標(biāo)度的股價動力學(xué)分析的基本方法 確定成交量標(biāo)度 由于放棄了傳統(tǒng)的時間標(biāo)度，我們需要重新給定股價的標(biāo)度。標(biāo)度確定的是否適當(dāng)直接影響基于成交量標(biāo)度的股價的行為特征。在成交量進(jìn)程時間假設(shè)下，日歷時間伸縮了，股價以成交量進(jìn)程時間形式推進(jìn)，在實證研究中我們使用成交量進(jìn)程時間來確定成交量標(biāo)度。因為成交量進(jìn)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(biāo)度的單位設(shè)定為成交量進(jìn)程時間的均值。 下面說明如何求得成交量標(biāo)度時的時間標(biāo)度值。假設(shè)時刻的成交量進(jìn)程時間為，則時刻的累積成交量進(jìn)程時間為。時的時間標(biāo)度值由下式中的確定： （5）時的時間標(biāo)度值就介于時刻和時刻之間。 基于成交量標(biāo)度的股價序列的構(gòu)造 由于現(xiàn)有存在的股價序列都是基于日歷時間標(biāo)度的，為了進(jìn)行基于成交量標(biāo)度的股價序列動力學(xué)分析，我們必須重新構(gòu)造股價序列。 就象時間標(biāo)度一樣，一般我們所取的標(biāo)度值都是固定間隔的整數(shù)，而式（5）中累積成交量進(jìn)程時間剛好等于整數(shù)值的時間標(biāo)度往往介于兩個整數(shù)時間標(biāo)度之間。所以，基于成交量標(biāo)度的股價就是這種介于兩個整數(shù)時間標(biāo)度之間的股票價格，在這種精確的時間標(biāo)度的股價獲取有困難的情況下（現(xiàn)存的可獲取的數(shù)據(jù)庫可能沒有每筆的成交數(shù)據(jù)記錄），我們常常采取替代的方式。 如果我們對日數(shù)據(jù)進(jìn)行實證研究，而無法得到每筆成交數(shù)據(jù)，那么可使用日數(shù)據(jù)的加權(quán)平均法。這里的權(quán)是成交量進(jìn)程時間，而股價則用平均成交價替代。假設(shè)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(biāo)度的價格序列為，假設(shè)前s 個基于成交量標(biāo)度的股價已經(jīng)產(chǎn)生，下面求第s＋1 個價格。若下式滿足： （7） 則第（s+1）個成交量標(biāo)度的股價為： （8） 基于成交量標(biāo)度的股價動力學(xué)分析的基本方法 在生成基于成交量標(biāo)度的股價序列后，我們就可以進(jìn)行動力學(xué)分析。傳統(tǒng)的基于時間標(biāo)度的股價動力學(xué)分析方法都可應(yīng)用于基于成交量標(biāo)度的股價序列，比如ARIMA模型分析、GARCH模型分析和人工神經(jīng)網(wǎng)絡(luò)分析等。4 實證研究 下面我們對上證綜合指數(shù)進(jìn)行實證分析，通過基于時間標(biāo)度的股價收盤價序列和基于成交量標(biāo)度的股價序列進(jìn)行ARIMA模型比較分析，來說明基于成交量標(biāo)度能降低股價行為的復(fù)雜性，從而簡化股價行為的分析。 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。設(shè)和分別表示實際值和模型的預(yù)測值，n 為樣本數(shù)。 （1）均方差： （9） （2）平均絕對值誤差： （10） （3）最大絕對值誤差： （11） （4）最小絕對誤差： （12） （5）％比例：
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1