通过回归分析预测股票走势

通过回归分析预测股票走势

作者：杨雨彤

来源：《全国流通经济》2019年第07期

摘要：股票是一种用来募集资金的有价证券，对个人、集体、国家，以及社会的影响日渐增大，所以寻找一种有效的投资方法，成为了所有投资者的目标。本文运用多因素模型，有效市场假说，线性回归模型等方式分析对于股票的波动性产生影响的因素。通过研究不同因素对股票的波动趋势的影响强弱来寻找低价买入、高价抛出的机会，以求收益最大化。文中以Google为例，因为美国市场历史悠久，趋于稳定，更加接近于半强型市场，所以从多家美国本土上市公司中，选择了著名网络公司Google为实验对象。经过对于2012年～2018年的数据统计，整理出上百组数据并进行研究，用spss等工具进行进一步探究，然后从中挑选出成果最具有代表性的部分数据放入本文做参考数据。最终利用所得数据分析可知各因素对于股票波动的影响强弱。

关键词：有效市场假说；多因素模型；资本资产定价模型；多元线性回归

中图分类号：F8309文献识别码：A文章编号：

2096-3157（2019）07-0104-04

一、前言

1研究背景

股票是一种用来募集资金的有价证券，随着时代的发展，股票已经成为公民理财的重要方式之一，其在公民收入与支出中所占的比重也不断增大，与此同时也影响着国家、企业、个人的经济状况与环境以及社会和个人的可持续发展。股市中很多因素对于股票的波动性产生影响，因此，寻求一种有效的投资方法，成为了几乎所有投资者的首要目标。

当今信息技术日新月异使得数据的大规模增长，许多学者将数据挖掘、机器学习、神经网络应用在股票分析中。揭示事物发展规律变化的内部规律，发现不同事物之间的相互关系，使人们能够正确认识事物和科学决策，已经成为了金融分析领域的重要方法。

股票分析分为两种，一种是对于股市总体的评价和预测，这种分析有益于政府制定正确的政策，也有助于企业制定恰当的发展战略。另一种是针对单个股票的涨跌进行预测，其主要目的是为股民提供规避风险的参考。

目前，我们接近于一个半强型的市场，半强型市场中分析的作用效果甚微，而内幕消息却可能获得超额利润。比如拼多多出现了假货之后丑闻快速传播，股票在当天就有强烈的波动，通过对于股票因素的研究可以找到影响股票波动的重要因素，在一定范围内控制其波动，能够有效规避系统性风险与非系统性风险带来的损失。

本文的研究控制了平均月活跃人数，股票成交量，标准普尔，密歇根消费者信心指数，核心消费价格指数，失业率等指数，通过分析这些因素对于股票的影响强度，来寻找影响股票走势的重要因素。通过研究最终可以确定成果，而这也有利于个人选股，通过研究股票的波动趋势，寻找低价买入、高价抛出的机会，以求收益最大化。

2国内外文献综述

国内外许多学者都对波动幅度大的股票的影响因素进行了具体的分析。郝知远（2017）将数据挖掘的手段运用到股票分析中，实现了把握股票的涨跌规律、在眾多股票中选择优质股的难题。最后实现了一个量化选股方法。郑挺国，尚玉皇（2014）基于宏观基本面构建了多因子的广义自回归条件异方差——混频数据抽样（GARCH-MIDAS）模型，并运用该模型对中国股市日度波动率进行估计及预测比较。卢钰（2013）机器学习一直是研究者研究的一个方向，但其中具有非普遍性。为了在小样本量的情况下实现机器学习，VVapnik（1995）等人基于统计学习理论（SLT）的基础上提出了一种新的机器学习算法支持向量机（Suppory Vector Machine，简称SVM）用于数据挖掘。贾云朋（2015）主要研究了数据挖掘在股价曲线的趋势预测。通过对比时间序列法以及马尔可夫预测法，最终发现后者更加适合预测单一股票短期的价格趋势。Leila Bateni（2014）采取了基于人工神经网络的方法，选取2012年～2013年美国纳斯达克的股市数据对模型进行训练并得到了准确的结果。当收盘指数大于3000点时，其预测错误率小于2%。Nelson Maina Wweru（2012）采取了基于RBF神经网络的模型对1990年～1999年香港股市进行分析，得到了相比于其他分析方式更为精确的结果，并且实现了对长线、短线的不同预测。

通过以上文献综述的研究，可以发现目前对于股票趋势的文章基本上以回归分析为主体拓展为数据挖掘、机器学习、神经网络应用等方面，再细分为数据统计分析、网络数据分析、日常数据分析等为方式进一步构建模型，分析研究。

二、研究方法

1多因素模型

因素模型是建立在证券收益率对各种因素或指数变动具有一定敏感性的假设基础之上的一种模型。主要分为：

单因素模型E（Ri）=ai+biE（F）

多因素模型Rit=αi+βi1F1t+βi2F2t+εit

单因素模型主要研究一种因素对于股票波动的影响，同理，多因素模型主要研究多种因素对股票波动的影响。在对单只股票波动的影响因素的研究中，主要采用一种特殊的单因素模型：capm模型，E（ri）=rf+βim（E（rm）-rf），又称为资本资产定价模型，它主要研究某一只股票的收益率对于市场的波动的敏感度。

本文主要采用了多因素模型，意在找到影响股票波动的重要因素，在一定范围内控制其波动，能够有效规避系统性风险与非系统性风险带来的损失。系统风险是指市场中无法通过分散投资来消除的风险，也被称做为市场风险非系统性风险也被称做为特殊风险，这是属于个别股票的自有风险，投资者可以通过变更股票投资组合来消除。公式中的β，在经济学范畴是一种风险指数，主要用来衡量个别股票或股票基金相对于整个股市的价格波动情况。β系数一般用以度量一种证券或一个投资证券组合相对总体市场的波动性，是一种评估证券系统性风险的工具。

2有效市场假说

有效市场假说奠基人是一位名叫路易斯·巴舍利耶的法国数学家，他把统计分析的方法应用于股票分析率的分析，发现其波动的数学期望值总是为零。自他以后1964年奥斯本提出了“随机漫步理论”（任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律），尤金·法玛在Financial Analysts Journal上发表文章第一次提出有效市场理论，并在1970年对其定义：如果在一个证券市场中，价格完全反映了所有可以获得的信息，那么就称这样的市场为有效市场。

有效市场具体分为三个层次：弱形式有效市场，半强形式有效市场和强形式有效市场。

弱势有效市场中对从技术方面分析股票价格的方式失去作用，而基本分析仍有可能帮助投资者获得超额利润。这类市场凝聚了所有历史记录的信息所以没有分析的必要。

半强行有效市场中利用技术分析和基本分析研究股票价格的方式的都效果甚微，了解内幕消息才可能获得超额利润。简而言之这种市场反映过去信息，也反映所有公布于众的目前信息，所以获得其他额外信息才可以获得厚利。

而强行有效市场中没有任何方法能帮助投资者获得超额利润。它包含弱有效和半强有效市场的内容，还包含了内幕信息，投资者只能根据给定的价格作出自己的行为选择。

以近期出现多处安全事故而负债千亿的碧桂园为例，因为负面的信息披露，后果及时的反应在了股票价格信息上面，简而言之，有效市场中公布的信息都有效的反应在价格上。反之公布的信息与股票的价格不匹配的便是市场无效。