基于Fam a-French模型
对A股及创业板新股的长期走势研究
文梁颖琳
摘要：本文选取２００９年９月至２０１０年１月在中国Ａ股市场上市的１０８只股票（其中包含５０只在创业板上市的股票），利用Ｆａｍａ－Ｆｒｅｎｃｈ模型进行研究。发现Ａ股新股投资组合在发行后更快地表现出弱势，而创业板新股投资组合在一定时段内并不存在显著的发行后长期弱势。同时发现，相对于Ａ股投资组合，规模因素对于创业板投资组合的影响并不显著。
关键词：新股长期弱势Ｆａｍａ－Ｆｒｅｎｃｈ模型创业板
一、前言
近２０年来，关于资本市场有效性的研究极多，对ＩＰＯ领域所出现的异象的研究是其重要组成部分。新股发行市场中存在的新股抑价、长期弱势、ＩＰＯ热市现象被称为“新股发行的三大谜团”。这些现象违背了有效市场假说，理论界创立了众多的模型和假说来解释这些异象。本文希望通过建立Ｆａｍａ－Ｆｒｅｎｃｈ模型对我国Ａ股市场及创业板发行的股票上市后长期走势进行比较研究，分析我国股市的长期走势异象。
二、文献综述
自１９９１年Ｒｉｔｔｅｒ首次发现新股
长期弱势异象以来，国外学者对于各
国资本市场新股长期走势做了很多
研究，其结论可以归结为三类：异质
预期理论、择机上市理论和投资者情
绪理论。
异质预期理论认为：投资者并非
如有效市场假说中假定的那样具有
相同的预期。相反，在新股发行过程
中，一部分投资者对于其回报率持有
更为乐观的估计，并且这些乐观投资
者足以出清所有的ＩＰＯ股票。这就
导致新股上市初期的市场价格并不
是股票内在价值的无偏估计，而是由
这些乐观投资者的乐观估计形成的
被高估的价格。但随着股票上市时
间的增长，经过二级市场的交易，新
股的相关信息逐步公开，初始的乐观
估计价格会逐渐向其内在价值回归，
从而出现新股的长期弱势，也就是说
新股的长期弱势实质上是股价由
ＩＰＯ时的乐观被高估价格向内在价
值回归的一种现象。Ｋｒｉｇｒｎａｎ等
（１９９９）利用高速换手率来度量新股
发行时投资者预期的离散程度，研究
美国股市数据组成的样本组合，发现
在上市首日的高速换手率越高、投资
者预期的离散程度就越大，上市后
１２个月的累积收益水平越低。文章
推测，这是因为承销商知晓股票的内
在价值，掌握股价被外部投资者高估
的内幕信息，因此在新股上市初期大
量做空。这一现象为异质预期理论
对新股弱势作出的解释提供了辅助
证明。
择机上市理论则认为：不应该孤
立地看待对新股短期回报的过度预
期和新股长期弱势的关系，新股长期
和短期价格表现出的反转现象并不
能排除是因为发行公司为了鼓励投
资者认购而有意压低发行价格的可
能。由此引申出新股弱势的择机上
市理论。针对申购新股的资金量随
市场行情涨落而同步放大收缩的非
周期性“热市”现象，该理论推断，上
市公司预期到在某些牛市期，情绪高
涨的投资者会特别热衷于首次公开
发行的股票，承销商也格外倾向于此
时集中发行大量股票，所以在此时段
新股价格极有可能被高估。上市之
初的高额短期回报率实际上是承销
商为了鼓励投资者认购新股，在不低
于股票的内在价值的水平上压低发
行价格。根据行为经济学中的逆向
选择理论，内在价值越低的股票压低
发行价的空间越大，新股的初始收益
就越高而长期的价格弱势程度也越大。Ｈｅｌｗｅｇｅ（２００１）的研究表明，发行公司上市选择的上市发行时点与公司内部自由资金盈余度的高低没有显著的相关关系，而是与股票一级市场行情的起落程度显著相关，这一发现为择机上市理论提供了支撑。
而投资者情绪理论认为，在新股发行市场中的投资者有时会做出非理性的行为和决策。在股市繁荣期，大多数投资者表现出狂热的投资心理，市场中就会出现整体性的认知偏差。该理论认为新股初始收益率上扬并非由于承销商对新股的折价发行，而是来源于众多投资者集体性的狂热情绪使得上市初期的价格中存在大量投资泡沫。根据该假说，那些具有较高首次公开发行收益率的上市公司，在最初几个月内股票弱势的现象并不会发生，因为投资者要经过一段时间才能逐步收集到公司经营状况的真实信息，随着市场情绪逐渐冷静下来，投资者重新理性调整预期，股票价格就会逐步回归到其内在价值，给投资者带来最低的长期收益。
我国专家对于新股长期表现的研究：
２０世纪９０年代以来，随着中国股市的逐步发展成熟和上市发行的股票数量的增加，我国学者也开始关注中国股市新股首次发行后的长期走势研究。但研究成果显示，对于我国新股长期表现出的究竟是强势还是弱势，见仁见智，存在着较大差异。
李藴伟（２００２）使用流通市值加权ＣＡＲ方法，发现中国新股的长期表现低于市场，其中大盘股的表现较差，小盘股的表现略好于市场。陈工孟（２０００）也认为存在新股长期弱势现象。但更多的实证研究认为中国
新股的长期表现呈强势特征。刘力
（２００１）分别使用ＢＨＡＲ、ＣＡＲ等方法
进行实证分析，发现我国新股至少在
３年内表现好于市场。还有一些研究
结论认为，中国市场在不同时段的表
现不同，例如王美今（２０００）发现大多
数新股在刚上市的一段时间内走势
显著弱于市场，但是上市第二年以后
强于市场指数。杨丹（２００４）的结论正
好相反，她发现ＩＰＯ上市后７个月内
存在强势，之后呈弱势。
三、本文研究方法
从长期绩效衡量的角度，研究股
票长期绩效的实证方法，通常是在研
究某一个时间段的新股投资收益时，
把距离一定时间间隔内ＩＰＯ的所有
股票都计算在内，通过研究新股组合
收益得到新股长期绩效表现优劣的
结论。通常采用资本资产定价模型
ＣＡＰＭ或者ＦａｍａＦｒｅｎｃｈ三因素模型
做时间序列回归，通过研究截距项以
及各个解释变量的系数及其显著性
发现新股长期表现状况的规律。本
文采用ＦａｍａＦｒｅｎｃｈ三因素模型做
分析。
Ｆａｍａ－Ｆｒｅｎｃｈ三因素模型具体
如下：
运用这一回归模型研究新股长
期走势的关键参数是截距项。理论
上讲，截距项α就等价于资本资产
定价模型中的Ｊｅｎｓｅｎ’ｓａｌｐｈａ系数。
如果我们运用这个回归模型对新股
组合股价收益的时间序列进行回归，
由显著的异于零的截距项可以推测
出新股回报相对于经过理性风险调
整的预期水平而言显著的弱势或强
势。无论截距项估计值为正或者负，
都意味着偏离了三因素理性定价模
型预测水平。换而言之，股票的平均
收益受到某些三因素模型未能涵盖
的其他因素的影响。
下面就以Ｆａｍａ－Ｆｒｅｎｃｈ三因素
模型为基本框架，借鉴Ｒｉｔｔｅｒ（１９９５）
的研究方法，通过对新股市场回报率
进行的分析，观察我国Ａ股及创业
板股票的长期走势并试作某些解释。
１、市场因子
选用沪深３００指数的月收益代
表中国股票市场的市场收益率，以每
月的一年期定期存款利率来代表无
风险利率，利用市场收益率与无风险
利率的差作为三因素模型中的市场
因子。
２、ＳＭＢ和ＨＭＬ因子
ＳＭＢ是规模因素，根据公司规
模大小来构造股票的投资组合，表征
小规模给公司带来的预期收益率影
响，ＨＭＬ是成长性因素，是根据公司
账面市值比的高低来构造股票的投
资组合，表征高成长性因素对公司预
期收益率的影响。
本文使用的数据全部来源于
Ｗｉｎｄ数据库，选取从２００９年９月到
２０１０年１月在中国Ａ股市场上市并
发行的１０８只股票（其中包含５０只
在创业板上市发行的股票），并获取
它们上市后从第一个月到第２３个月
每个月的净市值、市净比、月回报率、
沪深３００指数回报率、一年期定期存
款利率进行分析。首先，将全部１０８
只股票按照当月市值进行排序，分为
大小两组（Ｂ，Ｓ）。再按照当月的账面
市值比排序分为高中低三组（Ｈ，Ｍ，
Ｌ）。
将每个月三个包含小市值的组
合月加权平均收益率的均值与三个
包含大市值的组合的月加权平均收
益率的均值相减，这即是三因素中的
规模因子ＳＭＢ，其表征的是与小市
值股票相关的风险因素：
将每个月两个包含低账面市值比的组合的月加权平均收益率的均值与两个包含低账面市值比组合的月加权平均收益率的均值相减，这即是三因素中的收益率因子ＨＭＬ，其表征的是与高收益率相关的风险因素：
相类似的，从１０８只Ａ股中分出其中５０只在创业板上市的新股组成另一个投资组合，并进行如上相同的数据处理，从而可以利用其结果与Ａ股投资组合分析所得结果进行比较。
四、数据处理及分析
通过分组将公司规模与市净率分开：根据所选时间段各月的公司市值由小到大排序，市值最小的２５％为第一组，最大的２５％为第四组，然后在同一组中的股票按照年末公司
市净率由小到大排序分
为４组，一共１６组。分
别对每一组计算每月的
收益率平均值，作为该组的收益率，
并减去无风险收益率，作为超额收益
率，成为被解释变量。重复以上过程
第２个月、第３个月，直到第２３个
月，反复分组，求出所有的被解释变
量。
从表１中可以看到，在新股上市
后６个月，两组数据的
截距项都显著大于零，
这一结果说明新股在发
行后６个月中的回报率均高于整个
市场的正常收益率，双双呈现出新股
强势的状态。这与一些专家的研究
所认为的中国新股的长期表现呈强
势特征的结论似乎是吻合的。但在
发行１２个月后，Ａ股组合的正截距
项的显著程度开始下降，而创业板组
合的截距项虽有降低，但是依然显著
大于零。分析这种状况，我们认为，这
可能是由于创业板伊始，一部分投资
者对创业板新股持乐观态度，导致创
业板新股组合在二级市场上相对于
Ａ股组合向其内在价值的回归速度
更慢；同时这与创业板股票市值相对
较小有关，相对小的市值使得创业板
股票更容易被少数乐观投资者出清，
并且因为参与创业版投资的投资者
较少，不利于其信息的加速传播，这
也会导致其股价向内在价值的回归
过程慢于一般的Ａ股。而在上市后
１８个月，我们观察到，两个组合的截
距项都不能显著的异于零，说明这时
的新股回报率并没有显著相异于市
场回报率。我们认为，随着股票上市
时间的增长，经过足够长时间的交易
和信息的逐渐公开，上市公司的真实
情况逐步公诸于世，同时新的股票渐
次发行，创业板投资者初始的乐观和
狂热情绪开始逐渐消退。而上市后
２３个月时，Ａ股投资组合的截距项
首次显著小于零，表现出新股发行后
弱势，而此时创业板组合虽然截距项
小于零，但是检验结果并不显著，仍
然没有表现出显著的新股发行后弱
势。两相对比，我们认为，尽管随着时
间的推移，两个组合的截距项显示可
能都有长期弱势的趋向，
但创业板投
资组合的趋势要明显缓于Ａ股投资组合。也就是说，相对于Ａ股组合，创业板组合在二级市场上向其内在价值的回归速度要更为缓慢一些。
另外，从表１中还可以看到，Ｆａｍａ－Ｆｒｅｎｃｈ三因素模型较好地解释了新股组合上市后收益水平的影响因素：在全样本回归中，全部的回归系数都显著异于零，说明三个风险因素对于股价的波动有着显著的影响。这也符合一般性的规律：公司的规模小，成长性高，市场平均收益率高等因素都要求股票具有更高的收益率。但仔细观察可以发现，对于创业板的投资组合来说，规模因素（ＳＭＢ）对于其１８个月和２３个月的股价波动的影响并不显著，究其原因，可能是因为，我国创业板的股票市值差异并不明显，而规模因素（ＳＭＢ）对于股市成熟程度的要求较高，这也恰恰说明，中国的创业板市场尚处于起步阶段，远未发展成熟，距离一个较为成熟的股票市场还有很长的路要走。
五、结论
（一）本文构造了一个Ａ股上市的新股组合和一个创业板上市的新股组合，利用Ｆａｍａ－ｆｒｅｎｃｈ模型分别研究了这两个组合在发行上市后６个月、１２个月、１８个月和２３个月的回报率。结果发现：两个组合在上市初期（６个月）回报率均高于整个市场的正常收益率，呈现新股强势。在发行一段时间以后（１２个月），Ａ股组合回报率先于创业板组合恢复到市场正常水平。在新股上市１８个月时，Ａ股组合和创业板组合回报率都没有显著相异于市场回报率。而到了新股上市２３个月时，Ａ股组合表现出明显的新股发行后弱势，而此时创业板组合仍未表现出显著的新股发行后弱势。根据这一表现，结合对
Ａ股的ＩＰＯ抑价发行分析，可以发
现，经过足够长时间的交易和信息的
逐渐公开，Ａ股新股相对于上市初期
的强势，出现了反转，呈现出弱势，这
一现象可以理解为中国Ａ股市场新
股在经历上市初期高回报率后向其
内在价值回归的过程。而相对于Ａ
股组合，创业板组合迄今仍未表现出
明显的新股弱势，即便是今后有弱势
趋向，在二级市场上向其内在价值的
回归速度也会比较缓慢。
（二）Ｆａｍａ－ｆｒｅｎｃｈ模型能够较好
的解释我国Ａ股股价波动的影响因
素：公司的规模小、成长性高、市场平
均收益率高等因素都要求股票具有
更高的收益率。但是本文利用
Ｆａｍａ－ｆｒｅｎｃｈ模型研究Ａ股及创业
板新股发行长期走势后发现，相对
于Ａ股投资组合，规模因素（ＳＭＢ）对
于创业板投资组合的影响并不显著。
这一点与前段时期一些学者利用
Ｆａｍａ－ｆｒｅｎｃｈ模型研究这一问题的结
论不同，例如童艳（２０１０）的研究发现
中国股市１９９６—２００７年的数据对于
ＳＭＢ因素反应并不显著。本文认为，
随着市场的快速发展，情况已经发生
了较大变化。客观讲，ＳＭＢ因素对于
股市成熟程度的要求较高，而我国Ａ
股市场由于近些年来蓝筹股大量
ＩＰＯ，大盘股已然成为影响市场的中
坚力量。同时，经过近些年来的发展，
市场的经营管理水平不断提高，规模
化、标准化、多样化，使得Ａ股市场
逐渐趋于成熟，ＳＭＢ因素的影响已
经变得显著起来。而相比之下，创业
板组合虽然在经过一段时间的二级
市场交易后，ＳＭＢ因素对股价收益
的影响却并没有那么显著，这主要
是因为我国创业板的股票市值差异
并不明显，创业板市场仍不够成熟，
创业板大多数股票业绩不够稳定，
到目前为止，尚没有形成一种业绩
稳定成长、市值稳定增加、规模稳定
扩大的较成熟的市场形态。■
参考文献：
①童艳．《中国ＩＰＯ定价效率与
发行定价机制研究》．北京．中国金
融出版社．２０１０
②宋军．《金融计量学》．北
京．北京大学出版社．２００９
③陈工孟．《中国股票一级市场
长期投资回报的实证研究》．经济科
学．２０００ｂ（１）
④李藴伟．《考虑市值权重的
ＩＰＯ长期业绩研究》．当代经济学．
２００２（６）
⑤刘力．《中国股票市场首次发
行长期绩效研究》．经济科学．
２００１（６）
⑥王美今．《中国新股弱势问题
研究》，经济研究．２０００（９）
⑦杨丹．《上市公司壳资源价值
与新股定价实证研究》．经济学家．
２００４（２）
⑧Ｈｅｌｗｅｇｅ，“ＩｎｉｔｉａｌＰｕｂｌｉｃＯｆ－
ｆｅｒｉｎｇｓｉｎＨｏｔａｎｄＣｏｌｄＭａｒｋｅｔｓ”
［Ｚ］．Ｗｏｒｋｉｎｇｐａｐｅｒ，ＯｈｉｏＳｔａｔｅＵ－
ｎｉｖｅｒｓｉｔｙ，２００１
⑨Ｋｒｉｇｍａｎ，“ＴｈｅＰｅｒｓｉｓｔｅｎｃｅｏｆ
ＩＰＯＭｉｓｐｒｉｃｉｎｇａｎｄｔｈｅＰｒｅｄｉｃｔｉｖｅ
ＰｏｗｅｒｏｆＦｌｉｐｐｉｎｇ”［Ｊ］．Ｊｏｕｒｎａｌｏｆ
Ｆｉｎａｎｃｅ，１９９９，５４，１０１５－１０４４
⑩Ｒｉｔｔｅｒ，Ｊ．Ｒ．，“ＴｈｅＬｏｎｇ－ｒｕｎ
ＰｅｒｆｏｒｍａｎｃｅｏｆＩｎｉｔｉａｌＰｕｂｌｉｃＯｆ－
ｆｅｒｉｎｇｓ”［Ｊ］．Ｊｏｕｒｎａｌｏｆｆｉｎａｎｃｅ，
１９９１，４６，３－２７
（梁颖琳，１９８５年生，东北财经
大学金融学院博士。研究方向：资本
市场理论）
学习参考 主板、中小企业板、创业板、新三板比较表 基本信息比较 挂牌条件比较 要求事项 主板、中小板 创业板 新三板 经营时间 方面 连续经营满3年 连续经营满3年 存续满2年（非上市公司） 财务方面 最近3个会计年度 满足一个即可： 业务明确，具有持续、稳定的经营 挂牌类型 交易所 市场代码 针对对象 定期报告要求 交易模式 主板 (第一板) 上海、 深圳证券交易所 上证6 深证0 较大型、基础较好的实力雄厚企业 年报、半年报、 季报 连续竞价 中小企业板 (属主板) 2004 深圳证券 交易所 002 流通股本规模较小的企业 创业板 （二板） 2009 300 暂时无法在主板上 市的创业型企业，中小企业和高新技术企业 新三板 （场外交易市 场） 2013 全国 中小企业股份转让系统 挂牌 430/830 两网退市 400 优先股 820 新三板挂牌公司、 两网（已关闭的 STAQ,NET 系统）及 退市公司、优先股交易 年报、半年报、 临时报告 协议成交、不撮合
净利润为正且累计超过3000万最近2年连续盈利，最近两年净利润累计超 过1000万且持续增长； 最近一年盈利，且净利润不少于500万，最 近一年营业收入不少于5000万，最近2年 营业收入增长率不低于30%能力 最近3个会计年度现金流量累计超过 5000万或营业收入累计超过3亿 无最近一期末不存在未弥补亏损 最近一期末不存在未弥补亏损，且净资产不 少于2000万 最近一期无形资产占净资产比例不高于 20% 发行前股本总额不少于3000万股无 发行后的股本总额不少于5000万发行后的股本总额不少于3000万 公司管理方面最近3年，主营业务和董高无重大变动， 未变更实际控制人 最近2年，主营业务和董高无重大变动，未 变更实际控制人 公司治理机制健全，合法规范经营董事会下设战略、审计和薪酬委员会，各 委员会至少指定一名独董担任委员 有股东大会、董事会、监事会、独董、董事 秘书、审计委员会制度 股权明晰，股票发行和转让行为合 法合规 独董占董事会至少1/3 其他要求注册资本已缴足；出资资产所有权已经完 成转移；发行人主要资产不存在重大权属 纠纷。 要求保荐人对公司成长性、创新性提出专项 意见；要求发行人在招股说明书上作出风险 提示；要求控股股东对招股说明签署确认意 见。 分行业进行重点推荐和先知推荐。 新三板、创业板、主板、中小板市场的区别 项目新三板创业板主板、中小板 名称定义新三板”市场特指中关村科技园区非上市 股份有限公司进入代办股份系统进行转 让试点，因为挂牌企业均为高科技企业而 不同于原转让系统内的退市企业及原 STAQ、NET系统挂牌公司，故形象地称为 “新三板，现已推广至全国范围；是深圳 创业板又称二板市场，即第二股票交易市场。创业板是 指专为暂时无法在主板上市的中小企业供融资途径和 成长空间的证券交易市场，是对主板市场的重要补充， 在创业板市场上市的公司大多从事高科技业务，具有较 高的成长性，但往往成立时间较短规模较小，业绩也不 突出，但有很大的成长空间。可以说，创业板是一个门 也称为一板市场，指传统意义上的证券市场（通常指股 票市场），是一个国家或地区证券发行、上市及交易的主 要场所。主板市场先于创业板市场产生，二者既相互区 别又相互联系，是多层次资本市场的重要组成部分。相 对创业板市场而言，主板市场是资本市场中最重要的组 成部分，很大程度上能够反映经济发展状况，有“国民 学习参考
股票定价模型 －、零增长模型 零增长模型假定股利增长率等于零，即G=0，也就是说未来的股利按一个固定数量支付。 [例] 假定某公司在未来无限时期支付的每股股利为8元，其公司的必要收益率为10％，可知一股该公司股票的价值为8／0．10＝80元，而当时一股股票价格为65元，每股股票净现值为80—65＝15元，因此该股股票被低估15元，因此建议可以购买该种股票。 [应用] 零增长模型的应用似乎受到相当的限制，毕竟假定对某一种股票永远支付固定的股利是不合理的。但在特定的情况下，在决定普通股票的价值时，这种模型也是相当有用的，尤其是在决定优先股的内在价值时。因为大多数优先股支付的股利不会因每股收益的变化而发生改变，而且由于优先股没有固定的生命期，预期支付显然是能永远进行下去的。 二、不变增长模型 (1)一般形式。如果我们假设股利永远按不变的增长率增长，那么就会建立不变增长模型。 [例]假如去年某公司支付每股股利为1.80元，预计在未来日子里该公司股票的股利按每年5％的速率增长。因此，预期下一年股利为1.80×(1十0.05)＝1.89元。假定必要收益率是11％，该公司的股票等于1．80×[(1十0．05)／(0.11—0．05)]＝1．89／(0．11—0．05)＝31．50元。而当今每股股票价格是40元，因此，股票被高估8．50元，建议当前持有该股票的投资者出售该股票。 (2)与零增长模型的关系。零增长模型实际上是不变增长模型的一个特例。特别是，假定增长率合等于零，股利将永远按固定数量支付，这时，不变增长模型就是零增长模型。 从这两种模型来看，虽然不变增长的假设比零增长的假设有较小的应用限制，但在许多情况下仍然被认为是不现实的。但是，不变增长模型却是多元增长模型的基础，因此这种模型极为重要。 三、多元增长模型 多元增长模型是最普遍被用来确定普通股票内在价值的贴现现金流模型。这一模型假设股利的变动在一段时间7、内并没有特定的模式可以预测，在此段时间以后，股利按不变增长模型进行变动。因此，股利流可以分为两个部分。 第一部分包括在股利无规则变化时期的所有预期股利的现值。
股票预测模型【运用ARIMA模型预测股票价格】 [摘要]ARIMA模型是时间序列中十分常见和常用的一种模型，应用与经济的各个领域。本文基于ARIMA模型，采用了莱宝高科近67个交易日的数据，对历史数据进行分析，并且在此基础上做出一定的预测，试图为现实的投资提供一些参考信息。[关键字]ARIMA模型；股价预测；莱宝高科一、引言时间序列分析是从一段时间上的一组属性值数据中发现模式并预测未来值的过程。ARIMA模型是目前最常用的用于拟合非平稳序列的模型，对于满足有限参数线形模型的平稳时间序列的分析，ARIMA在理论上已趋成熟，它用有限参数线形模型描述时间序列的自相关结构，便于进行统计分析与数学处理。有限参数线形模型能描述的随机现象相当广泛，模型拟合的精度能达到实际工程的要求，而且由有限参数的线形模型结构可推导出适用的线形预报理论。利用ARIMA 模型描述的时间序列预报问题在金融，股票等领域具有重要的理论意义。本文将利用ARIMA模型结合莱宝高科的数据建立模型，并运用该模型对莱宝的股票日收盘价进行预测。二、ARIMA模型的建立 2.1ARIMA模型简介ARIMA是自回归移动平均结合模型的简写形式，用于平稳序列或通过差分而平稳的序列分析，简记为ARIMA(p,d,q)用公式表示为：△dZt=Xt=ψ1Xt-1+ψ2Xt-2+?+ψpXt-p+at-θ1at-1-θ2at-2-?-θqat-q 其中，p、d、q分别是自回归阶数、差分阶数和滑动平均阶数；Zt是时间序列；Xt是经过d阶差分后的时间序列值；at－q是时间为t－q的随机扰动项；ψp、θq分别是对应项前的系数。 2.2模型建立流程(1)平稳性检验以2010－3－4到2010－6－10的“莱宝高科”(002106)股票的收盘价作为模型的数据进行建立时间序列模型：做出折线图观察数据的特征：进行单位根检验，判别序列是否为平稳序列；若一阶差分后的数据为平稳序列，可以建立时间序列模型。说明原数据为一阶单整。(2)模型的选择和参数的估计根据数据的平稳性特征，初步确定建立ARIMA模型。观察一阶差分以后的序列的自相关函数和偏自相关
中国证券市场股票价格预测模型综述 王 浩 (洛阳理工学院工程管理系,洛阳 471023)* 摘 要:中国金融市场的证券价格存在着可预测成分。现有的各种统计预测方法基本都可以归纳为时间关系模型和因果关系模型两大类,详细分析了各种模型的实现方法并总结了其特点。 关键词:预测;股票价格;统计模型;综述do:i 10.3969/j .issn .1000-5757.2009.07.058 中图分类号:F830191 文献标志码:A 文章编号:1000-5757(2009)07-0058-03 一、证券市场可预测性 有效市场理论指出,证券价格呈现随机游走特征,因此技术分析和掷骰子选出的股票,最终表现相差无几。大量分析却发现中国股票价格波动具有长期记忆性,拒绝了随机游走假设,即股市涨跌存在自身的规律,无论长期和短期都存在着可预测的成分,因而技术分析是有用的,通过采用 相应策略,投资者可以获得超常利润。[1] 中国证券市场呈 现弱有效性的原因可能在于,作为一个新兴市场,法制、监管等因素造成市场信息传递效率低下,投资者在博弈中存在严重的信息和资金实力不对称,而且这种不对称状态并不能在市场中迅速消除,因此F a m a 所描述的概率上的/瞬时性0还无法达到,而这种市场结构的特点,使得某些/技术分析0成为信息挖掘的成本。 由于股票指数序列呈现高度的非线性,经典计量经济模型和时间序列模型的有效性受到了挑战。现代预测理论和统计学、信息技术、优化算法紧密结合,向复杂化和智能化方向发展。至少目前在我国,各种预测技术方兴未艾,投资者按照自己的经验采用各不相同的指标作为决策依据,在市场上低买高卖,获得了成功,也经历过失败。 二、主要预测模型1.神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力,能够从大量历史数据中进行聚类和学习,自动提取样本隐含的特征和规则,进而找到某些行为变化规律,可以实现任何复杂的因果关系。BP (反向传播)和RBF (径向基函数)神经网络是最常见的股市预测模型。崔建福等发现BP 模型普遍显著优于 GARCH (广义自回归条件异方差)模型,从而认为对股票价格这样波动频繁的时间序列,从非线性系统角度建模略胜于 从非平稳时间序列角度建模。[2] 由于传统算法收敛速度慢且 全局寻优能力差,更多研究将精力放在对神经网络结构和参数的改进上。丁雪梅等发现改进后BP 算法的预测结果比 回归预测、指数平滑预测和灰色预测都要好。 [3]神经网络预测方法的应用有两个明显特点。一方面,统计模式识别和数字信号处理等领域的特征选择和提取方法,如小波包最优分解方法、混沌吸引子理论、K a l m an 滤波算法、主成分分析、灰色系统理论,广泛用于神经网络输入参数的甄别。另一方面,新的网络模型不断被应用于证券预测实践以提高映射效率,如模糊神经网络和小波神经网络。预测结果明显优于普通神经网络模型。 神经网络的缺陷在于,网络结构只能事先指定或应用启发式算法在训练过程中寻找,需要在充分了解待解决问题的基础上,主要依靠个人经验来确定,没有统一的规范,往往需要通过反复改进和试验,最终才能选出一个相对较好的设计方案,并且网络训练过程易陷入局部极小点。不过,神经网络最致命缺点在于,无法表达和分析预测系统的输入输出之间的关系,难以解释系统输出结果。 2.灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型,经由累加过程削弱原始数据的随机干扰,突出系统所蕴涵的内在规律,然后建立动态预测模型。马尔可夫过程是无后效性的随机过程,是一种应用极为广泛的传统方法。灰色系统GM (1,1)模型的解为指数型曲线,几何图形较为平滑,比较适用于具有增长趋势的问题,而对随机性波动较大的数据进行预测,会 58 第25卷 第7期V o.l 25 四川教育学院学报 J OURNAL OF S I CHUAN C O LLEG E OF EDU CAT I ON 2009年7月 Ju.l 2009 * 收稿日期:2009-02-23 作者简介:王浩(1973)),男,河南西峡人,副教授,硕士,研究方向:区域经济发展理论与数量分析。
创业板发行股票的条件 在创业板上市的公司一般是自主创新企业及其他成长型创业企业，这类企业往往经营规模较小，下面就让为你们介绍一下创业板发行股票的条件吧。 创业板发行股票的条件 (1)发行人是依法设立且持续经营3年以上的股份有限公司。有限责任公司按原账面净资产值折股整体变更为股份有限公司的，持续经营时间可以从有限责任公司成立之日起计算。 (2)最近两年连续盈利，最近两年净利润累计不少于1 000万元，且持续增长;或者最近一年盈利，且净利润不少于500万元，最近一年营业收入不少于5 000万元，最近两年营业收入增长率均不低于30%。净利润以扣除非经常性损益前后孰低者为计算依据。 (3)最近一期期末净资产不少于2 000万元，且不存在未弥补亏损。 (4)发行后股本总额不少于3 000万元。 (5)发衍人的注册资本已定额缴纳，发起人或者股东用作出资的资产的财产权转移手续已办理完毕。发行人的主要资产不存在重大权属纠纷。 (6)发行人应当主要经营一种业务，其生产经营活动符合法律、行政法规和公司章程的规定，符合国家产业政策及环境保护政策。
(7)发行人最近两年内主营业务和董事、高级管理人员均没有发生重大变化，实际控制人没有发生变更。 (8)发行人应当具有持续盈利能力，不存在下列情形： ①发行人的经营模式、产或服务的品种结构已经或者将发生重大变化，并对发行人的持续盈利能力构成重大不利影响; ②发行人的行业地位或发行人所处行业的经营环境已经或者将发生重大变化，并对发行人的持续盈利能力构成重大不利影响; ③发行人在用的商标、专利、专有技术、特许经营权等重要资产或者技术的取得或者使用存在重大不利变化的风险; ④发行人最近1年的营业收入或净利润对关联方或者有重大不确定性的客户存在重大依赖; ⑤发行人最近1年的净利润主要来自合并财务报表范围以外的投资收益; ⑥其他可能对发行人持续盈利能力构成重大不利影响的情形。 创业板发行股票前期准备 一、信息披露工作 信息发行人股票发行前应当在中国证监会指定网站全文刊登招股说明书，同时在中国证监会指定报刊刊登提示性公告，告知投资者网上刊登的地址及获取文件的途径。之后发行人还应当将招股说明书披露于公司网站。 保荐人出具的发行保荐书、证券服务机构出具的文件及其他与发行有关的重要文件应当作为招股说明书备查文件，在中国证监会指定
2012年A股市场涨跌预测 摘要 本文主要解决了预估未来一年时间内A股市场的涨跌变化的问题。 首先通过收集2011年的上证A股指数每天开盘后的收盘价，对其进行分析处理，作出A股收盘价指数的走势图观察后，然后对数据作级比分析，得知一部分级比数据不在区间() 0.9474中，故先对数据进行变换，变换后的数据 , 1.0555 的级比都落在了上述区间中。然后通过分析建立灰色预测)1,1( GM模型，代入数据求解模型，并进行参数检验，先进行残差检验，得出预测模型的精度为：96.69%；然后进行相关度检验，检验合格；但是在进行后验差检验中的小概率检验时不合格，故又对模型进行残差修正后，用修正模型预测出2012年的上证A股指数的收盘价，但是由于灰色预测模型在预测长期数据时误差有可能增大，故用2011年的实际数据与用灰色预测模型预测2011年收盘价值之间的误差值修正了2012年A股指数的预测值。为使预测值更准确，又采用了马尔科可夫链模型预测出每天的涨幅情况来进一步修正预测值，得到了更精确的预测结果。预测上证A 股指数在2012年233天的收盘价分别为：2236.5 2221.5…1574.7 1601.9。其收盘价走势图为： 关键词：A股灰色预测马尔可夫链模型预测
问题重述 未来一年时间A股市场涨跌的评估预计 A股即人民币普通股票，是中国大陆机构和个人投资的主要股票。A股市场的涨跌受经济形势，国家政策，外部环境以及投资者心态等多个因素影响。2011年A股市场的上证指数和深成指数都出现暴跌，使投资者蒙受了很大的损失。 请查阅网上的资料和数据。建立数学模型，定量分析并预估未来一年时间内A股市场的涨跌变化。 符号说明 α----------为发展灰度数 μ---------为内生控制灰度 )(t X------表示在时间244 ... 2,1 ,= t t时的股票收盘价 r----------表示关联度 S1-------- 表示序列)(t X的标准差 S2--------表示绝对误差序列的标准差 C----------表示方差比 A i---------表示对数据划分区间,244) 1,2, (i? = p ij --------表示第i状态转移到第j状态的概率18 .... 2,1 ,= j i I0------------表示时刻0处于状态18 ... 2,1 = j的概率 i k j1+-----------表示经过k步转移后处于状态18 ... 2,1 = j的概率 模型假设 （1）运用的数据的来源是有效的，在统计过程中无错误 （2）假设无人为操纵股市的走向,为随机数据 （3）假设2009年到2011年无统计数据的日期为股市休息日 模型分析 一、问题的分析 因为A股指数包括上证A股指数与深成A股指数，选择其中一个进行分析即可，所以就不妨选择上证A股指数2011年1月4日到2011年12月30日的每天
股價決定模型 任何資產的價值決定於資產持有期間 (或資產存續期間) 內各期現金流量的現值。不同於債券，只要公司不破產，不被併購，市場投資者就可以一直持有這家公司的股票。由股票預期報酬率的定義可知：持有股票的預期報酬率是股利收益率以及出售股票時資本利得率之和。不少人就因此認為若市場投資者一直持有而不出售股票，她就無法享受資本利得這部分的報酬，導致長期持有股票的投資報酬率變小。換句話說，不少人認為持有期間長短會影響到股票價值的計算。為正確估算股票價值，我們必須先釐清：到底持有期間長短會不會影響到股票價值的計算？換句話說，持有一期和永遠持有股票計算投資報酬的方式有無不同？ 假設市場投資者決定持有股票一期，持有期間的現金流量圖為 現金收入 DIV 1+P 1 現金支出 -P 0 持有一期的現金收入就是持有股票期間的股利所得及期末處分股票所得價款：P 1 + DIV 1，若資本（機會）成本為r ，均衡狀態下，持有股票一期現金收入的現值等於本期股價(P 0)： P 0 ＝ 11DIV +P 1+r ， (1) 由於股票是有風險的資產，資本（機會）成本（r ）必須比無風險資產報酬率為高以反映持有股票的風險。由式 (1) 可知，持有股票一期時，股票價值等於未來持有期間內投資收益 (現金收入) 的現值。若股票持有人想持有兩期。此時，投資者在第二期預期的投資收益為22DIV P ，持有期間各期現金流量圖為
現金收入 DIV 1 DIV 2+P 2 現金支出 -P 0 若資本（機會）成本為r ，均衡狀態下，持有股票兩期現金收入現值等於本期股價（P 0）： P 0 ＝ () 122211DIV DIV P r r ++++ (2) 接下來，將釐清持有一期與持有兩期時計算投資報酬的方式是否相同。假設市場投資者在第1期想持有股票一期，其現金流量圖為 現金收入 DIV 2+P 2 現金支出 -P 1 持有期間現金收入的現值為 221DIV P r ++ 在完全競爭市場中，由於均衡狀態下，不可能存在套利機會表示下一期的市場均衡價格（1P ）應等於第二期投資收益的現值： r 1P D I V P 221++=， (3) 將式 (3) 代入式中 (2) 就可算出下式： ??? ? ??++++= r 1P D I V D I V r 11P 211011+P 1DIV r =+
基于BP网络的股票数据 预测模型 姓名：江政 班级：控制2015级 学号：2015028081100015 2016 年6月 26日
需求分析和网络结构设计 根据我们对自然神经系统的构造和机理的认识，神经系统是由大量的神经细胞（神经元）构成的复杂的网络，人们对这一网络建立一定的数学模型和算法，设法使它能够实现诸如基于数据的模式识别，函数映射等带有“智能”的功能，这种网络就是神经网络。其中，BP （Back Propagation ）神经网络是1986年由Rumelhart 和McCelland 为首的科学家小组提出，是一种按误差反向传播算法训练的多层前馈网络。BP 网络能学习和存贮大量的输入—输出模式映射关系，而 其他神经网络具有重要作用。 针对150组股票数据进行拟合（详细数据请见《附件1》），选取其中的开盘、最高、最低、收盘和成交次数五组数据，用当日的这五组数据来预测次日的收盘数据，从而等效建立一个股票数据预测模型。采用包括输入层、隐含层和输出层的三层BP 网络结构，如图1所示，输入层包含五个神经元，隐含层包含三个神经元，输出层为一个神经元。其中，隐含层神经元的激活函数采用非对称型Sigmoid 函数，函数表达式为：))exp(1/(1)(x x f -+=，输出层神经元的激活函数采用线性函数，表达式为：x x f =)(。将150组数据分为三等份，其中两份作为训练样本，用来对网络进行训练学习；另外一份作为测试样本，用来检验所训练出的网络的泛化能力。采用BP 算法对隐含层和输出层权值进行修正，以达到计算输出和实际样本输出相差最小，最终实现较精确预测的目的。 图1 预测模型的网络结构
教育部直属国家“211工程”重点建设高校 股票价格模型 ——应用时间序列分析期末论文 2013年11月一、实验目的： 掌握用Box-Jeakins方法及Paudit-Wu方法建模及预测 二、实验内容： 应用数据1前28个数据建模，后8个数据供预测检验。 数据1 ： 某种股票价格的数据（单位：元）
表1 三、数据检验 1、检验并消除数据长期趋势 法一：图形检验 （1）根据表中数据我们先画出序列图并对序列图进行平稳性分析。 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25,17.13,20.5,19,21.5;] plot(x) xlabel('时间t'); ylabel('观测值x'); title('某种股票价格序列图'); （3）得到图（1） 图（1） （4）观察图形，发现数据存在长期向上的趋势。表示序列是不平稳的。 （5）我们再进一步对数据进行一阶差分，利用Matlab画图。
（6）Matlab程序代码 y=diff(x,1) plot(y) xlabel('时间t'); ylabel('一阶差分之后的观测值y'); title('某种股票价格差分之后序列图'); （7）得到图（2） 图（2） （8）根据图（2）初步判定一阶差分后的序列稳定 法二：用自相关函数检验 （1）用matlab做出原数据自相关函数的图 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25, 17.13,20.5,19,21.5;]; acf1=autocorr(x,[],2); %计算自相关函数并作图 autocorr(x,[],2) acf1 （3）得到图（3）
股市创业板 股市创业板 创业板又称二板市场，即第二股票交易市场，是指主板之外的专为暂时无法上市的中小企业和新兴公司提供融资途径和成长空间的证券交易市场，是对主板市场的有效补给，在资本市场中占据着重要的位置。 在创业板市场上市的公司大多从事高科技业务，具有较高的成长性，但往往成立时间较短规模较小，业绩也不突出。 创业板市场最大的特点就是低门槛进入，严要求运作，有助于有潜力的中小企业获得融资机会。 在中国发展创业板市场是为了给中小企业提供更方便的融资渠道，为风险资本营造一个正常的退出机制。同时，这也是我国调整产业结构、推进经济改革的重要手段。 对投资者来说，创业板市场的风险要比主板市场高得多。当然，回报可能也会大得多。 各国政府对二板市场的监管更为严格。其核心就是“信息披露”。除此之外，监管部门还通过“保荐人”制度来帮助投资者选择高素质企业。 二板市场和主板市场的投资对象和风险承受能力是不相同的，在通常情况下，二者不会相互影响。而且由于它们内在的联系，反而会促进主板市场的进一步活跃。 在证券发展历史的长河中，创业板刚开始是对应于具有大型成熟公司的主板市场，以中小型公司为主要对象的市场形象而出现的。19世纪末期，一些不符合大型交易所上市标准的小公司只能选择场外市场和地方性交易所作为上市场所。到了20世纪，众多地方性交易所逐步消亡，而场外市场也存在着很多不规范之处。自60年代起，以美国为代表的北美和欧洲等等地区为了解决中小型企业的融资问题，开始大力创建各自的创业板市场。发展至今，创业板已经发展成为帮助中小型新兴企业、特别是高成长性科技公司融资的市场。 按与主板市场的关系划分，全球的二板市场大致可分为两类模式。一类是“独立型”。完全独立于主板之外，具有自己鲜明的角色定位。世界上最成功的二板市场———美国纳斯达克市场（Nasdaq）即属此类。纳斯达克市场诞生于1971年，上市规则比主板纽约证券交易所要简化得多，渐渐成为全美高科技上市公司最多的证券市场。截至1999年底，共有4829家上市公司，市值高达5．2万亿美元，其中高科技上市公司所占比重为40％左右，涌现出一批像思科、微软、英特尔那样的大名鼎鼎的高科技巨人。“三十年河东，三十年河西”，30年后的纳斯达克市场羽翼丰满，上市公司总数比纽约证交所多60％，股票交易量在1994年就超过了纽约证交所。 另一类是“附属型”。附属于主板市场，旨在为主板培养上市公司。二板的上市公司发展成熟后可升级到主板市场。换言之，就是充当主板市场的“第二梯队”。新加坡的Sesdaq即属此类。 最新鸣锣成立的二板市场当属香港创业板市场。1999年11月25日，酝酿10 年之久的香港创业板终于呱呱坠地。它定位于为处于创业阶段的中小高成长性公司尤
股票定价模型 一、零增长模型六、开放式基金的价格决定 二、不变增长模型七、封闭式基金的价格决定 三、多元增长模型八、可转换证券 四、市盈率估价方法九、优先认股权的价格 五、贴现现金流模型 一、零增长模型 零增长模型假定股利增长率等于零，即G=0，也就是说未来的股利按一个固定数量支付。 [例] 假定某公司在未来无限时期支付的每股股利为8元，其公司的必要收益率为10％，可知一股该公司股票的价值为8
／0．10＝80元，而当时一股股票价格为65元，每股股票净现值为80-65＝15元，因此该股股票被低估15元，因此建议可以购买该种股票。 [应用] 零增长模型的应用似乎受到相当的限制，毕竟假定对某一种股票永远支付固定的股利是不合理的。但在特定的情况下，在决定普通股票的价值时，这种模型也是相当有用的，尤其是在决定优先股的内在价值时。因为大多数优先股支付的股利不会因每股收益的变化而发生改变，而且由于优先股没有固定的生命期，预期支付显然是能永远进行下去的。 二、不变增长模型 (1)一般形式。如果我们假设股利永远按不变的增长率增长，那么就会建立不变增长模型。 [例]假如去年某公司支付每股股利为1.80元，预计在未来日子里该公司股票的股利按每年5％的速率增长。因此，预期下一年股利为1.80×(1十0.05)＝1.89元。假定必要收益率是11％，该公司的股票等于1．80×[(1十0．05)／(0.11-0．05)]＝1．89／(0．11-0．05)＝31．50元。而当今每股股票价格是40元，因此，股票被高估8．50元，建议当前持有该股票的投资者出售该股票。
(2)与零增长模型的关系。零增长模型实际上是不变增长模型的一个特例。特别是，假定增长率合等于零，股利将永远按固定数量支付，这时，不变增长模型就是零增长模型。 从这两种模型来看，虽然不变增长的假设比零增长的假设有较小的应用限制，但在许多情况下仍然被认为是不现实的。但是，不变增长模型却是多元增长模型的基础，因此这种模型极为重要。 三、多元增长模型 多元增长模型是最普遍被用来确定普通股票内在价值 的贴现现金流模型。这一模型假设股利的变动在一段时间7、内并没有特定的模式可以预测，在此段时间以后，股利按不变增长模型进行变动。因此，股利流可以分为两个部分。 第一部分包括在股利无规则变化时期的所有预期股利 的现值。 第二部分包括从时点T来看的股利不变增长率变动时期的所有预期股利的现值。因此，该种股票在时间了的价值(VT)可通过不变增长模型的方程求出 [例]假定A公司上年支付的每股股利为0．75元，下一年预期支付的每股票利为2元，因而再下一年预期支付的每股股利为3元，即
股市预测模型 基于混合ARMA模型和支持向量机 摘要：股市预测在以往的文献中已经吸引了大量的研究兴趣。传统上，ARMA模型已经成为时间序列中应用最为广泛的线性模型之一。但是，ARMA模型不能够轻易的捕捉非线性模式。并且最近的研究表明，人工神经网络（ANN）方法比传统的统计的人实现了更好的性能。人工神经网络方法在泛化（generalization）方面经历了一定的困难，但是其生产模式可以过度拟合数据。支持向量机（SVM）一种新型的神经网络技术，在解决非线性回归估计问题上已经得到成功的应用。因此，此次调查提出了在股市预测问题的支持向量机模型上，利用ARMA模型的独特优势试图向用户提供更好的解释力模型的混合方法。股市的真实数据集被使用来研究该模型的预测精度。计算的测试结果是很有前景的。 关键字：BP神经网络，金融时间序列，预测，支持向量机1.引言 股市预测因其高波动和不规则性被认为是具有挑战性的任务。因此，许多模型已经被描绘为投资者提供更精确的预
测。尤其是，人工神经网络（ANN）方法在以前的文献中最为频繁被使用，因为其已知的预测的效率优于其他模型。然而，由于解释神经网络的难度，大多数应用神经网络的研究集中在预测精度。在文献中已被报道，利用人工神经网络模型，以很少的努力提供对破产预测过程更好的理解。此外，由于神经网络的过度拟合在泛化方面具有困难，并且完全取决研究人员的经验或是知识，用于选择大量的包括相关的输入变量，隐含层的大小，学习率以及动量控制参数的预处理。 最近，在1995年首次由Vapnik提出的支持向量机（ＳＶＭ）方法近来被使用在一系列应用中，包括金融股市预测。支持向量机（ＳＶＭ）的基础已经被Ｖａｐｎｉｋ开发，由于许多吸引人的特点以及在广泛的问题上优异的泛化性能使其越来越受欢迎。该制定（formulation）体现了结构风险最小化（SRM）原则被常规神经网络采用，且已被证明优于传统的经验风险最小化原则。SRM泛化误差上限的最小化，用术语来说，就是在训练数据中误差最小化。 此外，SVM的解决方案可能是全局最优解，而其他神经网络模型往往会陷入局部最优解。一般来说，支持向量机技术被广泛认为是艺术分类的状态（the state of art classifier），并且以往的研究表明，SVM预测方法优于神经网络的方法。 最初为解决分类问题开发的SVM技术可以成功地在回归中应用。与模式识别问题只需输出是离散值不同，支持向
基于马尔科夫和布朗运动的股票价格预测模型 【摘要】股民希望从研究股票市场价格的变化中得到一些规律，减少自身的损失，但是股票系统本身是一个非常复杂的非线性运动系统，受到多种因素的影响，短期的某种程度的预测能够帮助股民投资，当前经济预测方法有很多，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型，通过实例对比，分析两种模式的联系与区别，希望嫩味股票短期预测模型提供参考。 【关键词】股票价格预测；马尔科夫；布朗运动 马尔科夫理论应用到股票奇偶阿姨市场中，能够预测股价综合指数的涨幅程度，虽然基于马尔科夫的股票价格预测模型具有一定的应用价值，但是也存在很大的局限性。依照道氏理论，股票的运动就有历史再现性，任何一种趋势都会持续一段时间，找到运动特征和时间周期，能够帮助投资者得到更加科学的投资策略，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型。 1.马尔科夫数学模型的建立 股票综合指数的计算均是采用流通量加权平均法，在正常的交易环境下，股价综合指数随着股票价的变化而发生变化，属于比较典型的随机过程。在运用马尔科夫预测股票模型中需要先建立模型，构造股票价格的分布状态，进而检验。设定xn代表股价综合指数出现的概率，并假设股价指数与过去的运行态势无关，具有无后效性的特点，规定出xn在[-10，-2]表示大幅度下降，xn在[-2，-0.5]比那话代表股票价格正常下跌，xn在[-0.5，0.5]表示股票价格出现小幅震荡整理，xn在[0.5，2]表示上涨，xn在[2，10]表示股票价格大幅度上涨。 时间参数以一个交易日作为交易单位，状态空间E={1，2，3，4，5}，n=0表示初始值，n时刻转移概率矩阵Pij≥0，矩阵P描述该状态下转移到状态j的概率分布状态，设定Pij（K）表示由状态i转移到状态j的转移概率随着转移步骤的增加，根据变化趋势就能判断系统的稳定性，构造k步转移概率矩阵Pk=Pk1，假设t时间段股价的绝对概率向量采用P（t）=（P1（t），P2（t），…Pn（t））T，其中Pi（t）代表t时间段第i区的绝对概率，给定初始概率向量的情况下，t各时间段的股价预测模型为P（t+k）=P（0）P1=P（0）Pt1。 2.布朗运动的预测模型 在描述股票运动的过程中，认为符合布朗运动，采用dSi/St=μdt+δdwt表示，式中St代表t时刻的股票价格，μ代表期望漂移率，δ代表波动率，在间隔Δt 时间段内dlnSt=（μ-δ2/2）dt+δdwt，dwt代表股票的瞬间收益率，布朗运动服从正态分布，股价运动的形式可以采用dSt=μStdt+δStdt表示，依照Tto定理，股价St在任意时间段内服从对数正态分布。 根据股票价格St在任意时间段服从对数正态分布，得到随机微分方程的离
怎么开通创业板股票 创业在推动科技进步、促进经济增长方面的作用日益显著,在世界各国,创业成为拉动经济增长的“引擎”。下面是由分享的怎么开通创业板股票，希望对你有用。 怎么开通创业板股票您的账号需要开通创业板权限方可购买创业板股票，需要客户本人携带身份证、资金账户卡及股东账户卡到证券营业部柜台申请办理开通。 如果未满两年交易经验，证券公司在完成相关核查程序，并经过营业部负责人签字核准后，方可在上述文件签署五个交易日后开通交易。 如果满两年交易经验，证券公司在完成相关核查程序后，方可在上述文件签署两个交易日后开通交易。 创业板股票设立的目的(1)为高科技企业提供融资渠道。 (2)通过市场机制，有效评价创业资产价值，促进知识与资本的结合，推动知识经济的发展。 (3)为风险投资基金提供“出口”，分散风险投资的风险，促进高科技投资的良性循环，提高高科技投资资源的流动和使用效率。 (4)增加创新企业股份的流动性，便于企业实施股权激励计划等，鼓励员工参与企业价值创造。 (5)促进企业规范运作，建立现代企业制度。
创业板股票的交易规则在创业板市场交易的证券品种包括： (1)股票; (2)投资基金; (3)债券(含企业债券、公司债券、可转换公司债券、金融债券及政府债券等); (4)债券回购; (5)经中国证券监督管理委员会批准可在创业板市场交易的其他交易品种。 买卖规则 (1)创业板股票的交易单位为“股”，投资基金的交易单位为“份”。申报买入证券，数量应当为100股(份)或其整数倍。不足100股(份)的证券，可以一次性申报卖出。 (2)证券的报价单位为“每股(份)价格”。“每股(份)价格”的最小变动单位为人民币0.01元。(3)证券实行价格涨跌幅限制，涨跌幅限制比例为10%。涨跌幅的价格计算公式为： 涨跌幅限制价格=(1±涨跌幅比例)×前一交易日收盘价计算结果四舍五入至人民币0.01元。证券上市首日不设涨跌幅限制。 主板规则 除上市首日交易风险控制制度外，创业板交易制度与主板保持一致，仍适用现有的《交易规则》。 涨跌幅比例：10%
2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的报名参赛队号为（8位数字组成的编号）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3.
指导教师或指导教师组负责人(打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：
2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
判断股票是创业板的方法有哪些 判断股票是不是创业板股票的方法 300开头的就是创业板股票 创业板是指主板之外的专为暂时无法上市的中小企业和新兴公司提供融资途径和成长空间的证券交易市场，是对主板市场的有效补给，在资本市场中占据着重要的位置。创业板市场最大的特点就是低门槛进入，严要求运作，有助于有潜力的中小企业获得融资机会。 创业板发行条件中的财务指标在量上低于主板(包括中小板)首次公开发行条件，在指标内容上参照了主板做法，主要选取净利润、主营业务收入、可分配利润等财务指标，同时附以增长率和净资产指标。另外，创业板在净利润/营业收入上设置两套标准，发行人符合其中之一即可。 创业板的退市制度更为严格：最近一个年度的财务会计报告显示当年年末未经审计净资产为负则终止上市。 创业板股票有更好的成长性和更大的风险性，要投资创业板的股票，需要投资者有一定的经验和风险预期，并签署相关风险协议 创业板7周年深度报告 2009年10月30日，创业板首轮28家上市公司董事长分成四批，轮流上台敲响开市宝钟。到如今，已经过去了7年时间，如果放在人的生命历程来看，这是个从婴儿成长到少年的过程，如果放在整个国家资本市场的视野中来看，创业板的7年意味着更多。我国资本市场走过了26年的历程，7岁的创业板在其中无疑是朝气蓬勃的青年代表。这个A股的青年，如今已经成为国家经济视野的最强音之一。 7岁的A股青年，如今既享受着33倍增长的喜悦，也面临着估值扭曲、减持套现、炒作股价等问题。雄关漫道真如铁,而
今迈步从头越，A股青年迎来成人礼后，还要为迈向成熟继续付出努力。 创业板的七周岁是在监管主旋律下度过的：今年以来共发布198份问询函;迎来第一只退市股;全面实行行业小组监管。 尽管信披要求愈来愈高，但在多名机构人士看来，这是资本市场基础制度建设中的重要环节，能提高融资效率，加强投资者保护。 据深交所相关人士介绍，未来将优化发行条件，加大对早期和源头创新型企业的支持。 行业监管量身定制 7月1日深交所表示对创业板全面实行行业小组监管，在紧跟着7月14日，深交所修订了《创业板行业信息披露指引第1号上市公司从事广播电影电视业务》，修订内容包括比如对于市场普遍关注的明星证券化事项，要求公司对演职人员入股时的出资作价依据进行说明，与其他投资者的入股价格进行对比，并说明演职人员是否有具体的合作安排。 这类围绕上市公司量身定制且又结合市场焦点的监管，在今年的创业板上不是个例。 9月19日，创业板发布有关互联网营销行业的信息披露指引，比如明确要求在年度和半年度报告中披露不同标准(如转化率、点击率、展现率等)下的技术指标，如每秒报价笔数、每秒成交笔数、日均网页抓取数、日均关键词展示量等。事实上，属于互联网营销行业中，创业板仅有8家上市公司。 截至目前，深交所相关人士介绍称，创业板已发布了影视、医药、光伏、节能环保、互联网游戏、视频、电子商务、营销等新兴行业的指引，行业指引已逐渐形成体系化，进一步提高了创业板信息披露的针对性和有效性。 据该人士表示，创业板正起草LED光电、机器人、医疗器械、信息安全等行业的信息披露指引，这亦是未来创业板推进市
回归分析在股票价格预测中的应用 摘要：随着我国市场经济环境的日益成熟，股市规模的不断扩大，股票价格成为投资者、经济、系统科学领域研究的热点问题，影响股票价格的因素越来越多，预测未来的股票价格变得十分有必要。股票市场的价格数据呈时间序列，本文将运用Eviews软件对股票价格进行多元线性回归模型预测，以国电电力的历史价格为例，预测该股票的次日收盘价。通过对比消除共线性前后的两个模型对次日收盘价的预测结果，验证了利用主成分分析消除共线 性后的多元线性回归方程预测效果更好。 关键词：股票价格；Eviews；多元线性回归；主成分分析 Abstract:With the growing maturity of China's market economy environment, the scale of stock market is expanding.Stock price has become a hot topic in the field of investor, economy and system science.There are more and more factors influencing stock prices,so it is very necessary to predict future stock prices.The price data in stock market being time series,this article will use Eviews software to predict stock price by multiple linear regression model.Taking the historical price of Guodian power as an example,we predict the next closing price of the stock.By comparing the prediction results of the two models before and after collinearity to the closing price of the next day,it is proved that the effect of the multivariate linear regression equation after the use of principal component analysis is better than that of the multi linear regression equation after the elimination of the collinearity. Key words:Eviews; Multiple linear regression; Principal component analysis