交易量和特征提取在證券市場短期預(yù)測中的作用研究.pdf

1、近年來，證券市場預(yù)測研究熱度一直不減，提高預(yù)測精度是學(xué)者們探究的目標(biāo)。文獻(xiàn)中提高預(yù)測精度的方法主要集中在預(yù)測模型改進(jìn)和輸入數(shù)據(jù)的特征提取兩個方面。預(yù)測模型的改進(jìn)集中于不同模型的組合以降低單個預(yù)測模型帶來的誤差，雖然取得了較好的進(jìn)展，但現(xiàn)有神經(jīng)網(wǎng)絡(luò)等預(yù)測模型對輸入數(shù)據(jù)依賴性很大，輸入數(shù)據(jù)是否包含噪聲、是否具有典型性會對預(yù)測效果產(chǎn)生影響。現(xiàn)有的證券預(yù)測中的特征提取方法多為信號處理或簡單的降維分析，缺少明確的經(jīng)濟意義。因此，如何從金融學(xué)視角提

2、取出具有經(jīng)濟意義的特征變量，并驗證特征提取在證券市場短期預(yù)測中的作用仍是研究的重點。
　　量價關(guān)系的研究一直受到學(xué)者們的關(guān)注。研究表明，交易量與價格變化存在著正相關(guān)關(guān)系。很多學(xué)者也從信息層面、微觀結(jié)構(gòu)層面給出了解釋。然而，關(guān)于交易量是否有助于價格和收益率的預(yù)測，目前學(xué)術(shù)界仍未得到一致的結(jié)論。因此，交易量對證券市場預(yù)測的作用仍需進(jìn)一步的探索和研究。
　　本文以日收益率為預(yù)測目標(biāo)，將均方誤差和平均絕對百分比誤差作為預(yù)測效果的評價

3、指標(biāo)，利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。本文主要工作如下：
　　首先對收盤價進(jìn)行小波去噪處理，并構(gòu)建對比模型檢驗小波去噪是否有助于預(yù)測精度的提高。
　　然后，就交易量是否在收益率預(yù)測中產(chǎn)生作用的問題構(gòu)建預(yù)測模型，進(jìn)行對比研究。
　　最后，從量價關(guān)系入手，從收益率、收盤價、交易量三方面提取了共21個特征變量，通過BP網(wǎng)絡(luò)進(jìn)行預(yù)測，探索本文的特征提取在預(yù)測中的作用。
　　本文對構(gòu)建的4個預(yù)測模型進(jìn)行了結(jié)果的分析和對比。結(jié)

4、果表明，特征提取、交易量、小波去噪都會降低均方誤差和平均絕對百分比誤差，使預(yù)測達(dá)到更好的效果。具體結(jié)論為：第一，使用小波去噪后的收盤價進(jìn)行預(yù)測比去噪前預(yù)測誤差有所降低。說明小波去噪去除了樣本數(shù)據(jù)中波動較小且無規(guī)律的噪聲，保留了有用信號，從而提高了收益率預(yù)測的精度。第二，將交易量加入預(yù)測模型后，多次運行的均方誤差均值比僅使用去噪后收盤價預(yù)測降低了56.1％，平均絕對百分比誤差也有所下降。交易量與收益率具有相關(guān)關(guān)系，交易量的加入有助于收益率