【文章內(nèi)容簡介】 、經(jīng)濟發(fā)展趨勢，擬定投資策略。為了給投資者創(chuàng)造上述條件，所有的股市幾乎都在股價變化的同時及時公布股票價格指數(shù)。 綜合指數(shù)形式的股票指數(shù)，是將所有的上市掛牌的股票都納入計算指數(shù)的投資組合之中，所以市場上每一只股票價格的變動，都將影響綜合指數(shù)的變化，其代表性最好。但由于綜合指數(shù)投資組合的權數(shù)是上市公司的總股本，當上市公司的總股本在與其流通量不相一致時，總股本大的股票對股票指數(shù)的影響就較大，如有時股票指數(shù)上漲時只有馬鋼、石化等少數(shù)幾個大盤谷的價格在上漲，其它股票幾乎基本不動甚至在下跌。上證綜合指數(shù)。上證綜合指數(shù)是上海證券交易所于 1991 年 7 月 15 日開始編制和公布的，以 1990 年 12 月 19 日為基期，基期值為 100，已全部上市股票為樣本，以股票發(fā)行量為權數(shù)進行編制。由于該股票指數(shù)的權數(shù)為上市公司的總股本，并且我國上市公司的股票有流通股和非流通股之分，其流通量與總股本并不一致，所以有時會出現(xiàn)股票指數(shù)走勢與大部分股票的漲跌相背離。該指數(shù)的發(fā)布幾乎與股市行情的變化相同步，是我國股民和證券從業(yè)人員研判股票價格變化的趨勢必不可少的參考依據(jù)。成份股形式的股票指數(shù)其入選股票數(shù)量是恒定的，所選用的權數(shù)為股票的流通量。由于采用流通量為股票權數(shù)所以相對綜合指數(shù)來數(shù)有所進步。但是由于入選股票數(shù)量有限有時很難貼切反映股市行情的變化。因此在評價成份指數(shù)時其代表性非常重要。上證 180 指數(shù)。上證成份指數(shù)（簡稱上證 180）是上海證券交易所所對原上證 30指數(shù)進行了調(diào)整并更名而成的，是在所有 A 股股票中抽取最具市場代表的 180 種樣本9 / 50股，以 2022 年 6 月 28 日的上證 30 指數(shù)收盤點為為基點，從 7 月 1 日起對外正式發(fā)布，每半年有專家委員會調(diào)整構成份股。 企業(yè)財務指標股票價格從長期來看是由其公司的經(jīng)營和財務狀況決定的，研究上市公司的經(jīng)營和財務狀況，以及發(fā)展前景是股票投資的關鍵環(huán)節(jié)。要了解上述狀況，重要的財務指標 [10]是必需的。營業(yè)收入： 營業(yè)收入是一家公司在某一段內(nèi)通過生產(chǎn)、銷售或提供服務等方式所取得的總收入。利潤總額：利潤總額是一家公司扣住成本和營業(yè)稅后的剩余，這就是人們通常所說的盈利，它與營業(yè)收入的關系為： 利潤總額=營業(yè)收入成本營業(yè)稅。凈利潤：凈利潤是指在利潤總額中按規(guī)定繳納的所得稅后公司的利潤留成，一般也稱為稅后利潤和凈收入。凈利潤=利潤總額（1所得稅率） ，凈利潤是一個企業(yè)經(jīng)營的最終成果，凈利潤多，企業(yè)的經(jīng)營效果就好。資產(chǎn)總額：資產(chǎn)總額是一家公司進行經(jīng)營時所能動用的資產(chǎn)總額，包括公司自有的資產(chǎn)與借貸資產(chǎn)。凈資產(chǎn)：凈資產(chǎn)是一家公司的自有資本，對股份公司來說，凈資產(chǎn)就是股東所擁有的財產(chǎn)。資產(chǎn)負債率：資產(chǎn)負債率是公司的負債在資產(chǎn)總額中所占的百分比。資產(chǎn)負債率=公司負債 /資產(chǎn)總額 100%。凈資產(chǎn)收益率：凈資產(chǎn)收益率是單位凈資產(chǎn)在某時段的經(jīng)營中所取得的凈收益。凈資產(chǎn)收益率＝凈收益／凈資產(chǎn)100%。 股市技術指標簡介技術分析是許多投資者進行中短期投資主要分析方法，技術指標往往是投資決策的重要參考。(1) 平滑異同平均線 MACD(Moving Average Convergence Divergence)，是由 Gerald Appel 首先在 Systems And Forecasts 一書中發(fā)表，主要是利用長短期的二條平滑平均線，計算兩者之間的差離值，作為研判行情買賣之依據(jù)。算法： DIFF 線：收盤價短期、長期指數(shù)平滑移動平均線間的差 DEA 線：DIFF 線的 M 日指數(shù)平滑移動平均線 MACD 線　DIFF 線與 DEA 線的差，彩色柱狀線 參數(shù)：SHORT(短期)、LONG(長期)、M 為天數(shù)，一般為 129 用法： ① DIFF、DEA 均為正，DIFF 向上突破 DEA，買入信號。② DIFF、DEA 均為負，DIFF 向下跌破 DEA，賣出信號。 ③ DEA 線與 K 線發(fā)生背離，行情反轉信號。 ④ 分析 MACD 柱狀線，由正變負，賣出信號；由負變正，買入信號。 (2) 隨機指標 KDJ 原理：用目前股價在近階段股價分布中的相對位置來預測可能發(fā)生的趨勢反轉。 算法：對每一交易日求 RSV(未成熟隨機值) RSV=(收盤價－最近 N 日最低價)/(最近 N 日最高價－ 最近 N 日最低價)100 K 線：RSV 的 M1 日移動平均 D 線：K 值的 M2 日移動平均 J 線：3D2K 參數(shù)：N、MM2 為天數(shù)，一般取 3 用法： ① D80，超買；D20，超賣；J100%超賣；J10%超賣。② K 線向上突破 D 線，買進信號；K 線向下跌破 D 線，賣出信號。③ K 線與 D 線的交叉發(fā)生在 70 以上，30 以下，才有效。④ KD 指標不適于發(fā)行量小，交易不活躍的股票。⑤ KD 指標對大盤和熱門大盤股有極高準確性。(3) 威廉指標(William39。s %R) 原理：用當日收盤價在最近一段時間股價分布的相對位置來描述超買和超賣程度。 算法：N 日內(nèi)最高價與當日收盤價的差，除以 N 日內(nèi)最高價與最低價的差，結果放大100 倍。參數(shù)：N 為統(tǒng)計天數(shù)，一般取 14 天。用法： ① 低于 20，超買，即將見頂，應及時賣出。 ② 高于 80，超賣，即將見底，應伺機買進。 ③ 與 RSI、MTM 指標配合使用，效果更好。(4) 相對強弱指標 RSI(Relative Strenth Index) 原理：用向上波動幅度和總波動幅度的比值來描述走勢強弱。11 / 50算法：先求相對強弱值 RSI＝N 日內(nèi)收盤價上漲幅度總和／上漲下跌幅度總和乘以100。參數(shù)：NNN3 為統(tǒng)計天數(shù)，一般取 124。用法：RSI 在 50 以上準確性較高① 6 日 RSI 向上突破 85，超買；向下跌破 15，超賣。② 盤整時，RSI 一底比一底高，多頭勢強，后市可能續(xù)漲；反之，是賣出信號。 ③ 股價尚在盤整階段，而 RSI 已整理完成，股價將隨之突破。④ 6 日 RSI 向上突破 12 日 RSI，買進信號；反之，賣出信號。(5) 布林通道 BOLL 原理：以移動平均線為中線，收盤價的均方差為帶寬的軌道帶。BOLL 帶繪制支撐線(LOWER)、阻力線(UPER)、中線(MID)。MID：收盤價的 N 日移動平均 UPER：中線加偏移值 LOWER：中線減偏移值 參數(shù)：N 為設定統(tǒng)計天數(shù)，一般為 26P 為設定 BOLL 帶寬度，一般為 2 用法： ① 股價處于盤整狀態(tài)時，股價下碰支撐線買入，上碰阻力線賣出。② 股價連續(xù)上漲時，會沿著中線和阻力線形成的通道上升。當股價不能再觸及阻力線時，則上漲趨勢減弱，應賣出。③ 當股價連續(xù)下跌時，會沿著中線和支撐線形成的下降通道下跌，當股價不能再觸及支撐線時，下跌趨勢減弱，應買入。第三章 股市預測問題研究方法 引言在進行股票投資時，投資者會獲得與其承擔的風險相對應的回報，預期回報率與風險之間是一種正向的互動關系。因此，對股市和個股進行認真的分析才能降低投資風險，獲得投資效益。但是，影響股票分析的因素很多，作用機制也很復雜。只有通過認真的、有效的和科學的專業(yè)分析，才能客觀的把握住這些影響因素及其作用機制，做出盡可能準確的預測，并以此作為股票投資的重要參考，爭取盡可能大的受益，并將可能的風險降到最低限度。由于股票預測問題具有重要的實際意義，因而一直受到國內(nèi)外學術界的廣泛關注，提出了很多股市預測的方法。這些方法主要分為三類：投資分析法、時間序列分析法和非線性系統(tǒng)分析法。 投資分析法投資分析方法是分析和預測股價變動方向和趨勢的方法，可分為：技術分析法、基本面分析法和組合分析法三大類。 技術分析法技術分析法是通過對過去股票的價格、時間、成交量的分析來推算未來的行情，主要是研究市場行為，是市場行為的經(jīng)驗總結。技術分析同市場比較接近，考慮問題比較直接，用技術分析指導股票買賣見效快，獲得利益的周期短。因為它對市場價格變化的反應較直接，分析的結果比較接近市場的局部價格運動規(guī)律。崇尚技術分析的人認為投資者心理和大眾情緒對股票價格影響大于公司基本面因素的影響。 股票市場上的投資群體的行為是受投資者對股市下跌的恐慌和對股市上漲的貪婪心理驅使的。技術分析能夠根據(jù)那些圖表上的變化軌跡了解基本面的變化，它在預測股價的短期趨勢，特別是從舊趨勢向新趨勢變化的方面具有優(yōu)勢。但是由于技術分析法難以事先預測市場總的結構變化，經(jīng)常會出現(xiàn)不夠準確的問題。 基本面分析法基本面分析法是根據(jù)環(huán)境因素來決定股票買賣時機，是研究影響證券市場供給和需求的各種因素?；疽蛩胤治瞿軌蜃屚顿Y者理解在某些時刻為什么價格發(fā)生變化？是什么原因造成的？13 / 50基本面分析著重于對一般經(jīng)濟經(jīng)濟狀況以及上市公司的經(jīng)營管理狀況，行業(yè)動態(tài)等因素進行分析，以此來研究股票的內(nèi)在價值，把它與現(xiàn)價進行比較，從而決定股票的買賣。影響股票價格因素有很多，較為重要的有： 企業(yè)因素：企業(yè)的財務狀況，經(jīng)營成果，資本結構決定了企業(yè)股票的價值，此外，行業(yè)特點，企業(yè)的重大合同，及人事變更都對企業(yè)股票價格也產(chǎn)生影響。 主要的社會經(jīng)濟指標：這些指標往往表明了國家經(jīng)濟的景氣狀況，未來經(jīng)濟的發(fā)展前景。主要包括，消費品零售物價指數(shù)（CPI，衡量通貨膨脹的狀況） 、GDP 增長率，城鎮(zhèn)登記失業(yè)率，財政狀況，國際收支狀況等。宏觀金融指標：利率，關系到企業(yè)的資金成本，匯率，對一些外貿(mào)為主的企業(yè)至關重要。行業(yè)因素，股票發(fā)行公司的所屬行業(yè)對于股票價格的影響較大。政治因素，外交關系，國際環(huán)境，領導人的更換等等政治活動會對股票的價格產(chǎn)生重大的影響。此外，在我國，新的政策，法律，管理辦法對股票市場的影響也不容忽視?；痉治龇椒軌虮容^全面的把握價格的基本走勢，而且應用起來比較簡單。但是它對市場的反應遲鈍，預測的時間跨度相對較長，因此對市場短線操作缺乏指導意義，在對市場預測的精確度上不如技術分析。 組合分析法組合分析法是將技術分析法和基本分析法二者結合起來的一種方法。在股票市場上進行股票投資時，運用技術分析指導市場，同時對基本因素進行分析。 目前，一般投資者和股票市場預測專家運用的大多是這三種分析工具。但這些方法并不是學術范圍內(nèi)研究的方法。 時間序列分析法時間序列預測方法的基本思想是：預測一個現(xiàn)象的未來變化時，用該現(xiàn)象的過去行為來預測未來，即通過時間序列的歷史數(shù)據(jù)揭示現(xiàn)象隨時間變化的規(guī)律，將這種規(guī)律延伸到未來，從而對該現(xiàn)象的未來作出預測。時間序列分析方法是通過分析不同時刻變量的相關關系，揭示其相關結構，是研究事物發(fā)展變化規(guī)律的一種量化分析方法[11]。一般情況下，那些依時間排列起來的一系列的相同內(nèi)涵的數(shù)據(jù)都可以稱為時間序列。它與一般的數(shù)據(jù)不同的是，這是一些有嚴格先后順序的數(shù)據(jù)，大多數(shù)情況下，它們之間往往存在著某種前后相承的關系，并不互相獨立。而時間序列分析方法就是針對這種獨特數(shù)據(jù)而建立起來的一種分析方法，ARMA 模型在經(jīng)濟預測過程中既考慮了股市指標在時間序列上的依存性，又考慮了隨機波動的干擾性，對股市收益率指標短期趨勢的預測準確率較高 [12]。 ARMA 模型簡介ARMA 模型是由美國統(tǒng)計學家 G. E. P. B o x 和英國統(tǒng)計學家 G. M jenkins 在二十世紀七十年代提出的時間序列分析模型，即自回歸移動平均模型。一般的 ARMA模型的形式可以表示為：),(qp， ()????qiitpitrr1itt10a+??其中 是白噪聲序列， 和 都是非負整數(shù)，AR 和 MA 模型都是 ARMA 模型??tapq ),(qp的特殊情形，當 時，ARMA 成為自回歸模型 AR( )，當 時，ARMA0?q),( p0?成為移動平均模型 MA( )。 ),(qp 非線性系統(tǒng)分析法投資分析方法和時間序列方法或強調(diào)內(nèi)在價值，或依賴股價間的線性關系，因此具有很大的局限性，很難分離出噪聲信號，因而導致預測效果并不理想。股價與影響股價的各因素之間呈現(xiàn)明顯的非線性特性，因而需要通過適當?shù)姆椒ū平到y(tǒng)內(nèi)的復雜非線性特性，神經(jīng)網(wǎng)絡預測法是這種方法的典型代表，它主要包括前向神經(jīng)網(wǎng)絡預測法，時間延遲神經(jīng)網(wǎng)絡預測法和自回歸神經(jīng)網(wǎng)絡預測法。 神經(jīng)網(wǎng)絡預測方法概述神經(jīng)網(wǎng)絡是一種大規(guī)模并行的復雜的非線性動力系統(tǒng)，它可表示極其復雜的非線性模型系統(tǒng)，具有高度并行的處理機制、高速運算的能力、高度靈活可變的拓撲結構、高度的非線性運算，具有自學習、自組織的能力，得到了預測科學研究的重視。自從 1987 年 Lapedes 和 Farber 首先將神經(jīng)網(wǎng)絡技術應用到預測研究領域以來，國內(nèi)外許多研究人員開始從事神經(jīng)網(wǎng)絡預測方法的研究，涌現(xiàn)了許多神經(jīng)網(wǎng)絡在預測中成功運用的實例。 實踐中通常采用前饋式神經(jīng)網(wǎng)絡來進行預測。 這是因為當我們試圖預測系統(tǒng)的下一個輸出時，假定在兩個不同時刻，若系統(tǒng)有同樣的輸入，兩次的輸出應是相同的，即系統(tǒng)具有一定的確定性。只要能提供適當?shù)妮斎?，確定性系統(tǒng)是能夠被模擬的。因此，預測的過程實際上是一個模擬確定性系統(tǒng)的過程。而前饋式神經(jīng)網(wǎng)絡是很好的模擬確定性系統(tǒng)的工具。 15 / 50由于三層前饋式神經(jīng)網(wǎng)絡具有可逼近任意復雜連續(xù)函數(shù)關系的能力，而這些能力是其它方法所不具有的，因此三層前饋神經(jīng)網(wǎng)絡非常適合對時間序列進行預測，在具體使用中，不需要對所分析的時間序列做任何假設，僅用一個神經(jīng)網(wǎng)絡來擬合該時間序列即可。 這種方法通常是根據(jù)已有的樣本數(shù)據(jù)對網(wǎng)絡進行訓練，若希望用過去的 N(N=1)個數(shù)據(jù)