基于多元回归分析的上证指数预测模型

基于多元回归分析的上证指数预测模型

上证指数预测模型

摘要

股票市场是我国资本市场的重要组成部分，在推动我国经济发展进程中起到了非常重要的作用。为了更好地理解股票市场以及获得更高的收益，股市的预测成了重多投资者和学术研究者研究和分析的热点问题。而上证指数是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。

本文在充分分析影响股市价格众多因素的基础上，选择多组变量，基于多元回归线性分析建立上证指数的预测模型。首先需要尽可能多的选择原始数据，在这里为了方便计算选择了3月到5月上证指数及各变量的数据（除去休盘日）共64组，22个变量。使用SPSS 软件进行线性分析后，剔除某些无关，甚至关联很小的变量后，得出了回归方程的系数，从而得出了上证指数的预测模型

22

10-212010-191810-1716151413121110954321x 101.800+0.834x +x 102.887+0.017x -x 103.391-0.003x -10x -4.824e -0.030x -0.258x -0.387x +0.019x -21.964x -18.203x +11.195x -0.032x -0.180x +0.230x -0.703x -0.677x +-774.860=y ⨯⨯⨯

然后利用图表分析了此模型的好坏程度。

关键词：1上证指数；2多元回归分析法；3 SPSS 分析；

一、问题的背景与提出

上证指数，是上海证券综合指数的简称。是最早发布的指数，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数的加权综合股价指数。它是研究和判断股票价格变化趋势必不可少的重要依据,在一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数的预测模型具有非常重要的现实意义和使用价值。

本文将在此背景下，充分分析上证指数的组成，使用多元线性回归的方法对其进行合理的预测，建立模型，具有实际意义，以预测未来上证指数的变化趋势。

二、基本假设

1.忽略除文中提到的影响因素之外的因素对上证指数的影响。

2.假设经济形势稳定，不会出现较为明显的通货膨胀或通货紧缩。

三、主要变量符号说明

为了便于描述问题，我们用一些符号来代替问题中涉及的一些基本变量，如表1所示。

表1 主要变量符号说明一览表

x DIFF

1

【注】其余没有列出的符号，我们将在文章第一次出现时给出具体说明

四、问题的分析

对上证指数进行预测，需要对影响上证指数的主要因素进行分析进行分析[1]：对整

体股票市场而言，其状态最基本的表现方式是股票价格指数和成交量，而这两项指标又受社会、政治、经济、政策、心理等多种因素的影响。

首先选择表中可以查到的数据作为变量：MACD:DIFF, DEA;RSI;KDJ:D 指标,J 指标;WR;PSY;OBV

其次选择以下变量：财政收入增长率、财政支出增长率、货币供应量1M 、货币流通量0M 、居民消费价格指数、固定资产投资情况。

由于股民心理受收盘价和成交量的影响，故对上证指数的影响可用以下变量表示：今日收盘价；今日成交量；昨日收盘价；昨日成交量；近5日平均收盘价；近5日平均成交量；近20日平均收盘价；近20日平均成交量.

以上均采用最近三个月的数据（包括上证指数）

五、问题模型的建立和求解

5.1问题的求解

5.1.1多元线性回归分析的数学模型[2]

设明日收盘价为y,影响因素为22个，分别为1x ，2x ，3x ，4x ，5x ，6x ，7x ，8x ，9x ，10x ，

11x ，12x ，13x ，14x ，15x ，16x ，17x ，18x ，19x ，20x ，21x ，22x ,它们之间有以下线性关系

ε+++++++++=22226655443322110...y x b x b x b x b x b x b x b b

5.1.2模型求解

使用SPSS[3]进行回归分析得

模型汇总

模型 R R 方 调整 R 方 标准 估计的

误差

1

.997a

.994 .991 6.97007

a. 预测变量: (常量), x22, x17, x15, x18, x10,

x5, x16, x14, x19, x20, x13, x4, x12, x3, x9,

x21, x2, x1, x11。

模型 平方和 df 均方 F

Sig. 1

回归

332809.22

6

19

17516.27

5

360.552 .000b

残差 2137.602

44 48.582

总计

334946.82

8 63

a. 因变量: y

b. 预测变量: (常量), x22, x17, x15, x18, x10, x5, x16, x14, x19, x20, x13, x4, x12, x3, x9, x21, x2, x1, x11。

系数a

模型非标准化系数标准系

数

t Sig.

B 标准误

差

试用版

1 (常

量)

-774.860

11619.19

3

-.067 .947 x1 .677 .495 .291 1.368 .178 x2 -.703 .423 -.310 -1.662 .104 x3 -.230 .323 -.035 -.712 .480 x4 .180 .239 .048 .754 .455 x5 -.032 .126 -.014 -.256 .799 x9 -11.195 19.037 -.130 -.588 .559 x10 18.203 121.877 .031 .149 .882 x11 -21.964 46.006 -.144 -.477 .635 x12 -.019 .120 -.007 -.157 .876 x13 .387 .238 .081 1.629 .111 x14 -.258 .687 -.020 -.376 .709 x15 -.030 .012 -.058 -2.582 .013 x16

-4.824E-0

10

.000 -.040 -1.759 .086 x17 -.003 .009 -.006 -.322 .749 x18

-3.391E-0

10

.000 -.028 -1.372 .177 x19 -.017 .030 -.022 -.561 .578 x20

2.887E-01

.000 .019 .543 .590 x21 .834 .053 .846 15.595 .000 x22

1.800E-01

.000 .010 .114 .909

a. 因变量: y