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
从T＝2时，预期在未来无限时期，股利按每年10％的速度增长，即0：，Dz(1十0．10)＝3×1．1＝3．3元。假定该公司的必要收益率为15％，可按下面式子分别计算V7-和认t。该价格与目前每般股票价格55元相比较，似乎股票的定价相当公平，即该股票没有被错误定价。
(2)内部收益率。零增长模型和不变增长模型都有一个简单的关于内部收益率的公式，而对于多元增长模型而言，不可能得到如此简捷的表达式。虽然我们不能得到一个简捷的内部收益率的表达式，但是仍可以运用试错方法，计算出多元增长模型的内部收益率。即在建立方程之后，代入一个假定的伊后，如果方程右边的值大于P，说明假定的P太大；相反，如果代入一个选定的尽值，方程右边的值小于认说明选定的P太小。继续试选尽，最终能程式等式成立的尽。
按照这种试错方法，我们可以得出A公司股票的内部收益率是14．9％。把给定的必要收益15％和该近似的内部收益率14．9％相比较，可知，该公司股票的定价相当公平。
(3)两元模型和三元模型。有时投资者会使用二元模型和三元模型。二元模型假定在时间了以前存在一个公的不变增长速度，在时间7、以后，假定有另一个不变增长速度城。三元模型假定在工时间前，不变增长速度为身I，在71和72时间之间，不变增长速度为期，在72时间以后，不变增长速度为期。设VTl表示
在最后一个增长速度开始后的所有股利的现值，认-表示这以前所有胜利的现值，可知这些模型实际上是多元增长模型的特例。
四、市盈率估价方法
市盈率，又称价格收益比率，它是每股价格与每股收益之间的比率，其计算公式为反之，每股价格=市盈率×每股收益
如果我们能分别估计出股票的市盈率和每股收益，那么我们就能间接地由此公式估计出股票价格。这种评价股票价格的方法，就是"市盈率估价方法"。
通常情况下，每股收益等于最近四个季度的总收益。
市盈率法被广泛使用的原因有三个：首先，它将股价与当期收益联系起来，是一种比较直观、易懂的统计量；其次，对于大多数股票而言，计算简单易行，数据查找方便，同时便于股票之间的互相比较；最后，它能反映股份公司的许多特点，如风险和增长潜力等。
市盈率法也有它的缺陷，其它定价法（如现金流量贴现定价法等）都对风险、增长和股东权益进行了估计和预测，而市盈率法却没有对这些因素作出假设。另外，市盈率反映市场人气和看法，受主观因素影响较大。
五、贴现现金流模型
贴现现金流模型是运用收入的资本化定价方法来决定
普通股票的内在价值的。按照收入的资本化定价方法，任何资产的内在价值是由拥有这种资产的投资者在未来时期中
所接受的现金流决定的。由于现金流是未来时期的预期值，因此必须按照一定的贴现率返还成现值，也就是说，一种资产的内在价值等于预期现金流的贴现值。对于股票来说，这种预期的现金流即在未来时期预期支付的胜利，因此，贴现现金流模型的公式为
式中：Dt为在时间T内与某一特定普通股相联系的预期的现金流，即在未来时期以现金形式表示的每股股票的股利；K为在一定风险程度下现金流的合适的贴现率； V为股票的内在价值。
在这个方程里，假定在所有时期内，贴现率都是一样的。由该方程我们可以引出净现值这个概念。净现值等于内在价值与成本之差，即
式中：P为在t=0时购买股票的成本。
如果NPV＞0，意味着所有预期的现金流入的净现值之和大于投资成本，即这种股票被低估价格，因此购买这种股票可行；
如果NPV＜0，意味着所有预期的现金流入的净现值之和小于投资成本，即这种股票被高估价格，因此不可购买这种股票。
在了解了净现值之后，我们便可引出内部收益率这个概念。内部收益率就是使投资净现值等于零的贴现率。如果用K*代表内部收益率，通过方程可得
由方程可以解出内部收益率K*。把K*与具有同等风险水平的股票的必要收益率(用K表示)相比较：如果K*＞K，则可以购买这种股票；如果K*＜K，则不要购买这种股票。
一股普通股票的内在价值时存在着一个麻烦问题，即投资者必须预测所有未来时期支付的股利。由于普通股票没有一个固守的生命周期，因此建议使用无限时期的股利流，这就需要加上一些假定。
这些假定始终围绕着胜利增长率，一般来说，在时点T，每股股利被看成是在时刻T-1时的每股股利乘上胜利增长率GT，其计
例如，如果预期在T=3时每股股利是4美元，在T=4时每股股利是4．2美元，那么不同类型的贴现现金流模型反映了不同的股利增长率的假定。
六、开放式基金的价格决定
开放式基金由于经常不断地按客户要求购回或者卖出自己公司的股份，因此，开放式基金的价格分为两种，即申购价格和赎回价格。
1．申购价格
开放式基金由于负有在中途购回股票的义务，所以它的股票'般不进入股票市场流通买卖，而是主要在场外进行，投资者在购入开放式基金股票时，除了支付资产净值之外，还要支付一定的销售附加费用。也就是说，开放公司股票的申购价格包括资产净值和弥补发行成本的销售费用，该附加费一般保持在4％一9％的水平上，通常为8．5％，并且在投资者大量购买时，可给予一定的优惠。开放式基金的申购价格、资产净值和附加费之间的关系可用下式表示。
例如；某开放式基金的资产净值为10元，其附加费为8％，则其申购价格为10／(1?％)＝10．87元。
但是，对于一般投资者来说，该附加费是一笔不小的成本，增加了投资者的风险，因此；出现了一些不计费的开放式基金，其销售价格直接等于资产净值，投资者在购买该种基金时，不须交纳销售费用，也就是说
申购价格＝资产净值
可见，无论是计费式还是不计费的开放式基金，其申购价格都与其资产净值直接相关，成正比例关系。
2．赎回价格。
开放式基金承诺可以在任何时候根据投资者的个人意愿赎回其股票。对于赎回时不收取任何费用的开放式基金来说，
赎回价格＝资产净值
有些开放式基金赎回时是收取费用的，费用的收取是按照基金投资年数不同而设立不同的赎回费率，持有基金券时间越长，费率越低，当然也有一些基金收取的是统一费率。在这种情况下，开放式基金的赎回价格与资产净值、附加费的关系是
赎回价格＝资产净值+附加费
可见，开放式基金的价格仅与资产净值密切相关(在相关费用确定的条件下)，只要资产净值估算准确，基金的申购和赎回没有任何问题。
七、封闭式基金的价格决定
封闭式基金的价格除受到上述因素影响以外，还受到杠杆效应高低程度的影响。封闭式基金发行普通股是一次性的，即：基金的资金额筹集完后就封闭起来，不再发行普通股。但是由于管理上的需要，这类公司亦可以通过发行优先股和公司债券，作为资本结构的一部分，形成末偿优先债券，并且能获得银行贷款。这对公司的普通股的股东来说，他们的收益就要受到杠杆作用的影响。优先证券对资产和收
益有固定的权利。因此，当公司资产和收益总值(利息和优先股股息支付的收益)上升时，普通股的股东收益就会增加，他不仅可以得到更多的股息，而且还能获得资本收益。也就是说，当基金资产价值提高时，基金普通股增长更快；反之，当基金资产价值下降时，基金普通股也下降更快。这种杠杆效应往往使某些封闭式基金公司的普通股市场价值的增减超过总体市场的升降。封闭式基金由于不承担购回其股票的义务，其股票只有在公开市场上出售才能回收，以及有时由于杠杆效应的影响，使得封闭式基金的普通股价格不如开放式基金的普通股价格稳定，它们的价格就如同一个商业性公司的股票价格一样，其单股资产价值与市场价值之间存在着-个显著的离差。封闭式基金的价格决定可以利用普通股票的价格决定公式进行。
八、可转换证券
1．可转换证券的价值
可转换证券赋予投资者以将其持有的债务或优先股按规定的价格和比例，在规定的时间内转换成普通股的选挥权。可转换证券有两种价值：理论价值和转换价值。
(1)理论价值。可转换证券的理论价值是指当它作为不具有转换选择权的一种证券的价值。估计可转换证券的理论价值，必须首先估计与它具有同等资信和类似投资特点的不
可转换证券的必要收益率，然后利用这个必要收益算出它未来现金流量的现值。我们可以参考本章第一节中有关债券估价部分。
(2)转换价值。如果一种可转换证券可以立即转让，它可转换的普通股票的市场价值与转换比率的乘积便是转换价值，即
转换价值＝普通股票市场价值×转换比率
式中：转换比率为债权持有人获得的每一份债券可转换的股票数。
2．可转换证券的市场价格。
可转换债券的市场价格必须保持在它的理论价值和转换价值之上。如果价格在理论价值之下，该证券价格低估，这是显然易见的；如果可转换证券价格在转换价值之下，购买该证券并立即转化为股票就有利可图，从而使该证券价格上涨直到转换价值之上。为了更好地理解这一点，我们引入转换平价这个概念。
(1)转换平价。转换平价是可转换证券持有人在转换期限内可以依据把债券转换成公司普通股票的每股价格，除非发生特定情形如发售新股、配股、送股、派息、股份的折细与合并，以及公司兼并、收购等情况下，转换价格一般不作任何调整。前文所说的转换比率，实质上就是转换价格的另一种表示方式。
转换平价=可转换证券的市场价格/转换比率
转换平价是一个非常有用的数字，因为一旦实际股票市场价格上升到转换平价水平，任何进一步的股票价格上升肯定会使可转换证券的价值增加。因此，转换平价可视为一个盈亏平衡点。
(2)转换升水和转换贴水。一般来说，投资者在购买可转换证券时都要支付一笔转换升水。每股的转换升水等于转换平价与普通股票当期市场价格(也称为基准股价)的差额，或说是可转换证券持有人在将债券转换成股票时，相对于当初认购转换证券时的股票价格(即基准胜价)而作出的让步，通常被表示为当期市场价格的百分比，公式为
转换升水＝转换平价一基准股价
转换升水比率=转换升水/基准股价
而如果转换平价小于基准股价，基准股价与转换平价的差额就被称为转换贴水，公式为
转换贴水＝基准股价一转换平价
转换贴水比率=转换贴水/基准股价
转换贴水的出现与可转换证券的溢价出售相关。
(3)转换期限。可转换证券具有一定的转换期限，它是说该
证券持有人在该期限内，有权将持有的可转换证券转化为公司股票。转换期限通常是从发行日之后若干年起至债务到期日止。
[例]某公司的可转换债券，年利率为10．25％，2000年12月31日到期，其转换价格为30元，其股票基准价格为20元，该债券价格为1200元。
转换率=1200/300=40
转换升水＝30?0＝10
转换升水比率＝10/20＝50％
九、优先认股权的价格
优先认股权是指在发行新股票时，应给予现有股东优先购买新股票的权利。其做法是给每个股东一份证书，写明他有权购买新股票的数量，数量多少根据股东现有股数乘以规定比例求得。一般来说，新股票的定价低于股票市价，从而使优先认股权具有价值。股东可以行使该权利，也可以转让他人。
1．附权优先认股权的价值。
优先认股权通常在某一股权登记日前颁发。在此之前购买的股东享有优先认股权，或说此时的股票的市场价格含有分享新发行股票的优先权，因此称为"附权优先认股权"，其价值可由下式求得。
M-（RN+S）=R (1)
式中：M为附权股票的市价；R为附权优先认股权的价值；N为购买1股股票所需的股权数；S为新股票的认购价。
该式可作以下解释：投资者在股权登记日前购买1股股票，应该付出市价M，同时也获得1股权；投资者也可购买申购l股新股所需的若干股权，价格为及RN，并且付出每股认购价S的金额。这两种选择都可获得1股股票，唯一差别在于，前一种选择多获得l股权。因此，这两种选择的成本差额，即M-（RN+S），必然等于股权价值R。
重写方程，可得
R=（M-S）/（N+1） (2)
[例2．14]如果分配给现有股东的新发行股票与原有股票的比例为1：5，每股认购价格为30元，原有股票每股市价为40元，则在股权登记日前此附权优先认股权的价值为40-30/5+1=1．674元
于是，无优先认股权的股票价格将下降到
40－1．67＝38．33(元)
2．除权优先认股权的价值。
在股权登记日以后，股票的市场价格中将不再含有新发行股票的认购权，其优先认股权的价值也按比例下降，此时就被称为"除权优先认股权"。其价值可由下式得到。
M-（RN+S）＝0 (3)
式中：M为除权股票的市价；R为附权优先认股权的价值；N为购买1股股票所需的认股权数；S看为新股票的认购价。
此式原理与公式(1)完全一致。投资者可在公开市场购买1股股票，付出成本M，或者，他可购买申购1股股票所需的认股权，并付出 l股的认购金额，其总成本为RN+S。这两种选择完全相同，都是为投资者提供l股股票，因此成本应是相同的，其差额为0。
把公式(3)进行改写，可得
R=（M-S）/N (4)
在前面例子中，除权后，队股权的价值应为
（38.33-30）/5＝1．666(元)
3．优先认股权的杠杆作用。
优先认股权的主要特点之一就是它能提供较大程度的
杠杆作用，就是说优先认股权的价格要比其可购买的股票的价格的增长或减小的速度快得多。比如说，某公司股票在除权之后价格为15元，其优先认股权的认购价格为5元，认购比率为1；4，则其优先认股权的价格为(15?)／4＝2．5元。假定公司收益改善的良好前景使股票价格上升到30元，增长100％，则优先认股权的价格为(；0?)／4＝6．25元，增长(6．25?．5)／2．5＝150％，远快于股票价格的增长速度。
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。
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。
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
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 =+
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
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）
股票定价模型 贴现现金流模型 贴现现金流模型是运用收入的资本化定价方法来决定普通股票的内在价值的。按照收入的资本化定价方法，任何资产的内在价值是由拥有这种资产的投资者在未来时期中所接受的现金流决定的。由于现金流是未来时期的预期值，因此必须按照一定的贴现率返还成现值，也就是说，一种资产的内在价值等于预期现金流的贴现值。对于股票来说，这种预期的现金流即在未来时期预期支付的胜利，因此，贴现现金流模型的公式为 式中：Dt为在时间T内与某一特定普通股相联系的预期的现金流，即在未来时期以现金形式表示的每股股票的股利；K为在一定风险程度下现金流的合适的贴现率； V为股票的内在价值。 在这个方程里，假定在所有时期内，贴现率都是一样的。由该方程我们可以引出净现值这个概念。净现值等于内在价值与成本之差，即式中：P为在t=0时购买股票的成本。 如果NPV>0，意味着所有预期的现金流入的净现值之和大于投资成本，即这种股票被低估价格，因此购买这种股票可行； 如果NPV<0，意味着所有预期的现金流入的净现值之和小于投资成本，即这种股票被高估价格，因此不可购买这种股票。 在了解了净现值之后，我们便可引出内部收益率这个概念。内部收益率就是使投资净现值等于零的贴现率。如果用K*代表内部收益率，通过方程可得 由方程可以解出内部收益率K*。把K*与具有同等风险水平的股票的必要收益率（用K表示）相比较：如果K*>K，则可以购买这种股票；如果K* 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 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 股票交易的数学模型 结论 股票价格的运行周期可以分为四个阶段，每个阶段都可以通过价格和成交量的趋势来定义： 第一阶段：价格递增，成交量递增。 第二阶段：价格递增，成交量递减，价格会达到最大值。 第三阶段：价格递减，成交量递减。 第四阶段：价格递减，成交量递增，价格会达到最小值。 买入的最好时间在第四阶段，卖出的最好时间在第二阶段。 成交量和买卖双方的关系 假设有100份股票，看多方（买方）为B ，看空方（卖方）为S 。则有： 100S B += （1） 成交量为Y ，则有成交量函数可以描述为： ,050 100,50100B B Y B B ≤ （3） 则有如下的函数关系图： 成交量和价格的关系 根据（2）和（3）可得： ,050100,50100P P a a Y P P a a ?≤ 1 从0到50，价格递增成交量递增 2 从50到100，价格递增成交量递减 3 从100到50，价格递减成交量递增 4 从50到0，价格递减成交量递增 成交量和价格对股票波动周期的分析下面是上证指数的交易数据. 阶段阶段描述对应过程 1 价格递增，成交量递增价格属于上升通道 1 2 价格递增，成交量递减价格属于上升通道，价格达到最大值 2 3 价格递减，成交量递减价格属于下降通道 4 4 价格递减，成交量递增价格属于下降通道，价格达到最小值 3 显然，第四阶段是买入的最好时间，第一阶段是买入的次好时间。 第二阶段是卖出的最好时间。 金融观察?一 基于机器学习的股票分析与预测模型研究① 姚雨琪 摘一要:近年来?随着全球经济与股市的快速发展?股票投资成为人们最常用的理财方式之一?本文研究的主要目标是利用机器学习技术?应用Ｐｙｔｈｏｎ编程语言构建股票预测模型?对我国股票市场进行分析与预测?采用ＳＶＭ与ＤＴＷ构建股票市场的分析和预测模型?并通过Ｐｙｔｈｏｎ编程进行算法实现? 本文对获取到的股票数据进行简单策略分析?选取盘中策略作为之后模型评估的基准线?分别选取上证指数二鸿达兴业股票二鼎汉股票数据利用已构建的支持向量机和时间动态扭曲模型在Ｐｙｔｈｏｎ平台上进行预测分析?结果表明?对于上证指数而言?支持向量机预测下逆向策略更优?对于鸿达兴业股票和鼎汉股票而言?支持向量机预测下正向策略更优?基于时间动态扭曲算法的预测方法对于特定的股票有较高的精度和可信度?研究结论表明将机器学习运用于股票分析与预测可以提高股票价格信息预测的效率?保证对海量数据的处理效率?机器学习过程可以不断进行优化模型?使得预测的可信度和精度不断提高?机器学习技术在股票分析方面有很高的研究价值? 关键词:机器学习?股票预测?Ｐｙｔｈｏｎ?ＳＶＭ?ＤＴＷ 中图分类号:Ｆ８３０.９１一一一一一一文献标识码:Ａ一一一一一一文章编号:１００８－４４２８(２０１９)０２－０１２３－０２ 一一一二引言 国外股票市场的股票分析预测开始得很早?研究者们将各种数学理论二数据挖掘技术等应用到股票分析软件中?并通过对历史交易数据的研究?从而得到股票的走势规律?近年来?由于现实中工作与研究的需要?机器学习的研究与应用在国内外越来越重视?机器学习可以在运用过程中依据新的数据不断学习优化?完善预测模型?将机器学习应用于股票市场的预测?从股票的历史数据中挖掘出隐藏在数据中的重要信息?这样既能够为股民们对股价预测研究提供理论支撑?又能够为公司的领导层提供决策支持?基于此?本文选择机器学习在股票分析中的应用作为研究方向?在机器学习及股票分析相关理论基础上?使用Ｐｙｔｈｏｎ开发工具?并分别运用支持向量回归及时间动态扭曲进行预测? 二二相关技术与理论 (一)机器学习 机器学习是融合多领域技术的交叉学科?主要包括概率论与数理统计二微积分二线性代数二算法设计等多门学科?通过计算机相关技术自动 学习 实现人工智能?(二)股票分析方法 １.基本面分析 基本面分析指的是在分析股票市场供应和需求关系的相关因素(如宏观经济二政策导向二财务状况以及经营环境等)基础上确定股票的实际价格?从而预测股票价格的趋势?２.技术面分析 技术面分析指的是对股票图样趋势来分析和研究?来判断价格的走势? (三)基于Ｐｙｔｈｏｎ的经典机器学习模型 １.支持向量机(ＳＶＭ) 该模型最初用于分类?其最终目标是引入回归估计?建立回归估计函数Ｇ(ｘ)?其中回归值与目标值之间的差值小于μ?同时保证该函数的ＶＣ维度最小?线性或非线性函数Ｇ(ｘ)的回归问题可以转化为二次规划问题?并且获得的最优解是唯一的? ２.动态时间扭曲(ＤＴＷ) 这是衡量时间序列之间的相似性的方法?并可以用在语音识别领域以判断两段声音是否表达了同一个意思?三二股票预测模型的构建 (一)确定初始指标 １.基于支持向量机确定指标 施燕杰(２００５)利用支持向量机进行股票分析与预测?在多次反复尝试基础上提出了一系列的指标作为预测模型的输入向量?该指标能够有效地预测未来股价波动情况?本文在结合自身研究的基础上?对以上施燕杰提出的指标进行改进?在原有的指标基础上添加７日平均开盘价和７日平均收盘价?去除了成交额保留了成交量?最终建立如表１所示的２０个初选指标? 表１一初选指标 变量Ｘ１Ｘ２Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７Ｘ８Ｘ９Ｘ１０含义 今日 开盘价 昨日 开盘价 前日 开盘价 ７日平均 开盘价 今日 最高价 昨日 最高价 前日 最高价 ７日平均 最高价 今日 最低价 昨日 最低价变量Ｘ１１Ｘ１２Ｘ１３Ｘ１４Ｘ１５Ｘ１６Ｘ１７Ｘ１８Ｘ１９Ｘ２０含义 前日 最低价 ７日平均 最低价 今日 收盘价 昨日 收盘价 前日 收盘价 ７日平均 收盘价 今日 成交量 昨日 成交量 前日 成交量 ７日平均 成交量一一本文主要是进行股票分析与预测?因此在综合考虑各个 价格指标的基础上?本文选择选定时间段的下一日收盘价作为模型的输出向量? ２.基于动态时间扭曲确定指标 根据往常研究经验?我们将时间序列数据分成不同的期间?每个期间长度为５日?以每个时间段相邻每日收盘价涨跌率变化趋势为初始指标?选择时间序列期间下一日的收盘价与期间内最后一日收盘价涨跌率作为模型的输出向量?(二)选择样本 １.实验对象 本文在分别在主板市场二中小板市场和创业板市场中采取随机抽样的方法各随机选择一只股票数据作为研究对象?分别是上证指数二鸿达兴业股票二鼎汉股票? ２.样本规模 我们选取了２０１１年至２０１７年间上证指数１５５０条数据?２０１５年至２０１７年的鸿达兴业股票５３２条数据二鼎汉股票５７２ ３２１ ①基金项目:江西财经大学第十三届科研课题立项?编号ｘｓｋｔ１８３４５? 2014年高教社杯全国大学生数学建模竞赛 校内选拔赛 2013年12月2日 股票市场的股价模型研究 摘要 股票本身没有价值，但它可以当做商品买卖，并且有一定的价格，股票的市场价格即股票在股票市场上买卖的价格。目前，股票已经成为我国大众投资的主要渠道之一。本文以上海股市2011年1月到2012年12月的数据为依据，分别对三个问题建立模型求解。 问题（1），根据上海股票市场在该段时间内综合指数历史交易，以市场布林线算法为评价标准划分时期,并建立不同时期的多指标模糊综合评价模型；并据此划分为四个时期，并且分析每一阶段的具体情况。 问题（2），根据2011/1/1到2012/11/30每天的收盘价，采用三次指数平滑方法对上证指数进行预测；我们利用了12月1日至12月4日的上证指数与预测的验证，其结果相差仅为0.00003，在实际中可以接受，验证了我们模型的准确性。 问题（3），我们建立成交量进程时间假设，描述股价变化所依托的经济学期。根据2011-2012这短时间的成交量与对应收盘价的数据，分析得出成交量与收盘价的关系，并利用这一结论去预测2013年部分月份的股价情况，得出相应的结果，这就证明了我们模型的正确性。 最后，对该问题做了更深刻的探讨，对模型的优缺点进行评价。 关键词：布林线算法;模糊综合评价法; 三次指数平滑法.成交量进程时间假设；成交量；收盘价； 一问题重述 中国股市上证指数数据为例，选取2011年1月到2012年12月的数据，分析以下问题： 1、对中国股市上证指数在该时间段（2011.1—2012.12）的走势情况做出定量的综合评价，并按照你划定的时期分析各个时期的发展状况。 2、依照2012年12月以前的主要统计数据，对中国股市上证指数股票市场的发展趋势做出预测分析，并利用中国股市上证指数12月以后的统计数据验证你的模型。 3、对于股票价格的研究，传统的股价研究方法是按照均匀日历时间间隔采样，即假定股价是基于均匀的日历时间间隔推进的。但后期的研究者研究表明：成交量影响股票收益率的自相关性、互自相关性和惯性效应。股价的变化与市场上的信息有很大的关系，实证表明：股价的调整并不是以均匀的日历时间进程推进的，它有自己独立的时间推进进程。后期的大多数研究者将成交量作为金融或宏观经济事件的信息量的一种度量方法，这大大推动了股价的以成交量推进的实证和理论的研究。试建立成交量推进进程下的股价模型，并进一步分析所建立的模型的有效性和可行性。 二问题分析 关于问题一：根据上海股票市场在该段时间内综合指数历史交易，以市场布林线算法确定股市涨跌震荡强弱并据此划分时期,。并建立不同时期的多指标模糊综合评价模型。 关于问题二：通过对2011年11月到2012年12月上海交易所综合股价指数变化趋势的分析, 可以看出上海证券交易所上证指数走势曲线存在非线性趋势, 因此采用三次指数平滑方法进行对其滤波处理, 消除其中的跳点和拐点, 以获得更有规律性的数据, 然后对滤波后的数据用三次指数平滑方法。 关于问题三：传统的股价分析都是建立在以日历时间为基础的固件数据上，但事实上股价不是完全跟随绝对的日历时间而变化的，比如信息的快速传播就有可能会导致股价在很短的时间巨变，所以基于这种数据的分析是不完善的，股价的变化有着它自己的经济学周期。我们引入成交量进程时间来描述这一周期。通过分析成交量与收盘价的相关性，得出成交量进程下的股价变化趋势，并且用2012年12以后的成交量与对应的收盘价验证模型的合理性。 三模型假设 1 未来的行情由现在的行情决定 2 股市仅受股市平均市盈率，经济增长数据，人民银行公布和调整存货利率与国家公布的宏观经济数据CPI影响。 3.股市受股市信息的影响，成交量发生变化，进而有股价的变化，在成交量进程时间内股价与成交量有相关性。 四符号说明 股票价格波动规律的模型 1. 经典的Black-Scholes 模型 0>∈+=σμσμ,,R dB S dt S dS t t t t S S =0 ],0[T t ∈ 2. 广义Black-Scholes 模型 t t t dB S t t S dt S t t S t dS ),()(),()()(σμ+= S S =)0( 3．指数O-U 过程模型 ))()()())(ln ()(t dB t S dt t S t S t dS σαμ+-= S S =)0( 4．带跳的几何Brown 运动模型 )]()()())()()[(()(t dN t dB t dt t t t S t dS Φσθλμ++--=， S S =)0( 5．指数Levy 过程模型 t dY t t S dt t t S t dS )()()()()(σμ+= 其中，Y 是Levy 过程（平稳的独立增量过程） 6．多维扩散过程模型 )(∑=+=n j j t ij t i t i t i t dB dt S dS 1 σμ 000>=i i s S d i ,,,Λ21= （d n ≥） 7．随机波动率模型 1t t t t t t t t dB Y S t S dt Y S t S dS ),,(),,(σμ+= 2 t t t t t t dB Y S t b dt Y S t a dY ),,(),,(+= 8．分式几何Brown 运动模型 0>∈+=σμσμ,,R dB S dt S dS H t t t t H B 是参数为H 的分式Brown 运动，当21 =H 时H B 是标准Brown 运动，当 21 ≠H 时H B 是正态过程，但不是半鞅. 9．指数半鞅模型 t t t dX S dS = （}ex p{t t X S =或t t X S )(ε=） 股票价格预测：GARCH模型与BP神经网络模型的比较 崔建福/李兴绪 【专题名称】统计与精算 【专 题 号】F104 【复印期号】2004年04期 【作者简介】崔建福 云南大学经济学院； 李兴绪 云南财贸学院 股票价格对证券投资者来说是极其重要的，但由于影响股票价格波动的因素众多，使得其预测难于实现，确切地说，要对股票价格做出准确预测是不可能的，但我们总试图寻找不同的方法，不同的模型来刻画它。对于股票价格的分析有两种不同的学派，一是基本分析学派，二是技术分析学派。和这两种分析派别观点相对应，股票价格预测的建模思路有两种：①尽可能找出所有影响价格波动的因素（宏观经济指标、公司财务指标等等），建立股票价格和这些影响因素之间的模型。②遵循股票价格技术分析，依据股票价格系统自身规律来建模。 一、建模的方法 （一）随机游走模型 这是在GARCH模型提出之前，描述股票价格最常用的模型。 （二）ARMA簇时间序列模型 这是针对平稳时间序列建模有效手段。 （三）ARMA-GARCH模型 这类模型的建模思路一般为：计算股票价格的差分（或者是收益率），用单位根方法验证其平稳性，通过单位根检验则建立该平稳序列的ARMA簇模型，再检验模型的残差是否具GARCH效应，若有，则用GARCH 模型对残差加以刻画，这也是检验股票市场有效性的常用方法。 （四）神经网络模型 把股票价格看成一个非线性系统。在实证中，两种建模思路都有：其一把影响股票价格的因素值作为神经网络的输入，价格作为输出，训练网络，再进行预测。其二依据时间序列建模的思想把股票前几期的价格作为输入，紧接一期的价格作为输出。本文在BP神经网络建模过程中应用的是第二种方法。 在以上的各种模型中，基本上都是针对股票价格指数来做的实证分析。本文选择了清华同方个股数据作为实证数据，从股票价格是 非平稳时间序列和非线性系统两个不同的角度分别建立GARCH模型和BP神经网络模型，对两者的结果做了比较分析。这也是首次把GARCH模型和BP 资本资产定价（CAPM）模型在我国股票市场中的应用 ——基于回归分析角度的实证研究 内容提要：资本资产定价模型(CAPM)主要研究证券市场中资产的预期收益率与风险资产之间的关系，以及均衡价格是如何形成的，它刻画了均衡状态下资产的预期收益率及其与市场风险之间的关系。本文首先阐述CAPM的內涵，随后采用回归分析的方法，进行中国证券市场的抽样实证分析，说明通过统计分析的方法，可以选择相对合适的市场组合收益率，提高资产估值和资产配置的准确性，对我国资本市场应用资本资产定价模型(CAPM)的有效性及其障碍进行分析，并提出了一些资本资产定价模型分析对我国股市的启示。 关键词：资本资产定价模型（CAPM）；回归分析；有效性分析；实证研究 一、引言 现代资本资产定价模型(CAPM)是第一个关于金融资产定价的均衡模型，也是第一个在不确定条件下，使投资者实现效用最大化的资产定价模型。模型的首要意义是建立了资本风险与收益的关系，明确指明证券的期望收益率就是无风险收益率与风险补偿两者之和，揭示了证券报酬的内部结构。资本资产定价模型是现代金融理论的一块重要的基石,在已经问世的诸多证券投资理论中，资本资产定价模型在投资学中占有重要的地位，并在投资公司决策和公司理财中得到广泛的应用。从目前我国金融市场运行来看，即使在起步不长的中国证券投资活动中，这一模型的应用也成为有关学者热衷讨论的话题。在证券市场与金融投资已经构成我国社会经济生活的一个重要组成部分的今天，对资本资产定价模型进行深入研究无疑在理论上和实践上都有着重要的意义。 二、资本资产定价模型理论概述 （一）资本资产定价模型(CAPM)的理论基础 在现代投资理论和方法中，投资组合选择和资本资产定价理论居于核心地位，是近年来西方金融学发展很快的一个领域。马柯维茨(H. Markowitz)于20世纪50年代提出了证券投资组合理论，即不要把所有鸡蛋放在同一个篮子里，奠定了现代证券投资理论的基础。现代证券投资理论逐步发展演化，经济学家威廉.夏普(William F.Sharpe)、约翰林特纳(John Lintner)提出了资本资产定价模型(Capital Assets Pricing Model)，简称CAPM。资本资产定价模型是第一个关于金融资产定价的均衡模型，其实质是讨论资本风险与收益的关系，个人投资者通过对不同证券的未来前景评估构成最优风险证券组合。这一理论的问世，使金融学开始摆脱纯粹描述性的研究和单凭经验操作的状态，将数量化方法引入了金融领域，从而形成了现代资产定价理论。作为第一个不确定条件下的资产定价模型，CAPM 的问世有着引导证券投资进入科学化阶段的重大意义，它导致了西方金融理论的一场革命。 页脚内容1 资产组合理论： 1、假如有A 和B 两种股票，它们的收益是相互独立的。股票A 的收益为15%的概率是40%，而收益为10%的概率是60%，股票B 的收益为35%的概率是50%，而收益为-5%的概率也是50%。 （1）这两种股票的期望收益和标准差分别是多少？它们的收益之间的协方差是多少？ （2）如果50%的资金投资于股票A ，而50%的资金投资于股票B ，问该投资组合的期望收益和标准差分别是多少？ 答案：（1）股票A 的期望收益E(R )0.415%0.610%12%;A =?+?=股票A 的标准差 A 0.0245σ==。 股票B 的期望收益E(R )0.535%0.5(5%)15%;B =?+?-=股票B 的标准差 0.2B σ== 因为股票A 和股票B 的收益是相互独立的，所以它们收益之间的协方差为0。 （2）该投资组合的期望收益 P E R 0.5E(R )0.5E(R )0.512%0.515%13.5%,A B =?+?=?+?=（） 标准差P 0.1007σ=== 2、假设有两种基金：股票基金A ，债券基金B ，基金收益率之间相关系数为0.05，概率分布如下：A ： 页脚内容2 期望收益 10% 标准差 20% B ：期望收益 5% 标准差 10% 计算：（1）基金的最小方差组合中每种基金的投资比例各是多少？ （2）最小方差组合的期望收益和标准差是多少？ 答案：（1）设组合中A 基金投资比例为X ，那么B 基金投资比例为1-X 。组合的方差222222222P x (1x)2x(1x)0.2x 0.1(1x)0.10.20.1x(1x)A B A B σσσρσσ=+-+-=+-+??-是关于X 的一元二次方程，其最小的条件是关于X 的导数为0。 对X 求导，并使其等于0，得： 0.096x 0.018=，解得：X=0.1875,1-X=0.8125 所以最小方差组合中A 基金的投资比例为0.1875，B 基金的投资比例为0.8125。 （2）最新方差组合的期望收益 ()=xE()(1x)E()0.187510%0.81255% 5.9375%P A B E R R R +-=?+?= 标准差 P 0.0912 σ=== CAPM ：基于马尔科夫和布朗运动的股票价格预测模型
回归分析在股票价格预测中的应用
股票交易数学模型
基于机器学习的股票分析与预测模型研究
股价预测模型-数学建模-优秀论文
股票价格波动规律的模型
股票价格预测
资本资产定价(CAPM)模型在我国股票市场中的应用
APT定价模型组题
相关主题
文本预览