經濟管理中證券預測之地物信息方法研究

中國地質大學(武漢) 王洪亮 李新寧 闞酉潯

傳統對于股票市場的研究和檢驗多以線性資本市場理論為基石，而現實世界中的演化往往在股價序列中呈現非對稱、非線性的運動特征。基本分析和技術分析是投資者在證券投資分析過程中所采用的兩大方法。與基本分析相比，技術分析更有優勢。

在地球物理信息處理方法中，比如對地震波、面波等進行預測時，一般用到曲線擬合以及線性預測。鑒于證券分析也主要是對證券曲線進行分析和預測，這兩種有類似之處。本文主要介紹了地物方法這一技術分析。

1 經濟管理對證券的影響

目前經濟管理對證券的影響很多，這里主要探討主要的影響。首先，公司規模越大，公司內部的組織交易成本也會隨之上升，當公司內部交易成本等于市場上的交易成本時，公司規模的擴大就會停止。這時，公司發售的證券才會趨于穩定。

此外，領導決策層的組織才能也非常關鍵。如果一個公司或企業的規模超過了他們的管理能力，企業或公司的內部資源有效配置就得不到根本保證。

此外，還要控制好邊際成本。當我們假設以上3條都趨于穩定時，這樣證券市場才基本上趨于穩定，再來對證券分析進行討論。

2 證券分析及其方法探析

證券分析是指對包含在資產組合中的證券等進行評估，在評估過程中的主要問題是數據不充分、未來不確定以及市場的非常態等。

作為一名證券投資者，分析方法不外乎是基本面分析方法以及技術層分析方法。技術分析目前越來越被重視，但是它必須滿足市場足夠包容、價格發展趨勢化以及有歷史經驗借鑒的條件。其中，市場足夠包容能夠影響證券價格的波動，價格發展趨勢化以及有歷史經驗借鑒則保證了可實施性。此外，技術分析演化帶來的諸如K線分析等多種技術層分析方法也逐步被投資者所采納。

而其中布林線分析方法是利用統計學的標準差原理，依據以前某一段時期內的股票價格的波動、證券市場的走向等因素預測出未來一段時間內股票價格大致波動區域的一種方法。 布林線由三根線組成：中軌(一般為20日均線)，上軌及下軌。

布林線示意圖如圖1所示。

圖1 布林線示意圖

觀察布林線示意圖開口的大小，布林線指標開口愈小則股價的漲跌幅度趨勢愈弱，股價可能會在某個方向上進行超越，開口越小，超越強度就越大。因此，布林線示意圖是供投資者判斷股價未來發展趨勢的一個有效方法之一。

之前做股票研究的用的比較多的是基于VaR的分位數回歸以及 STAR模型.非線性的平滑轉換門限自回歸模型(STAR)。ST A R模型最早是由Ter svirta和Anderson (1992)提出。鑒于極端機制間的轉換非波動不止，而是平滑的,因此ST AR不像其它模型一樣進行非連續性的持續轉換,這對股票價格趨勢和股市泡沫的描述更加符合實際樣本和實際需求。

其中，簡單介紹下STAR模型估計的主要步驟:

Step1：建立p階的AR模型。自回歸AR譜在頻譜估計領域也是個重要的估計方法。在誤差項完全不自相關基礎上去選擇p值；

Step2：在Step1的基礎上，進行非線性驗證以及延遲、衰減、波動等參數的模糊估計。

Step3：接著，進行F測試為后續打基礎，求相對應的概率值p。

Step4：接著用r=Ln(Pt/Pt-1)得到兩組收益率序列。以證明是非正態分布序列，并用Garch(1，1)回歸去實現在正態分布、t分布和GED分布的95%左右的分位數。

從這些可見，傳統證券分析方法過于繁瑣。因此，有必要研究其它分析方法。

3 地物信息方法的研究與應用

在地球物理信息處理方法中，一般用到曲線擬合以及線性預測。鑒于證券分析也主要是對曲線進行分析和預測，這兩種有類似之處。具體分析如下。

3.1 曲線擬合

大量數據處理仿真和實驗證明，曲線擬合是一種能有效地處理和分析待測數據，去除干擾，有效降噪的方法。它是在實驗獲得的數據或是已有的數據分布基礎上，根據實際樣本去建立變量相互之間有效的函數關系，為進一步的分析、探討、研究提供保證。

曲線擬合主要是以尋求待測參數的最佳估計為目的，進行一系列擬合和處理。當僅有離散數值點而不明確切函數關系時，可以由測量值擬合出函數關系。因此曲線擬合最主要的方法是基于最小二乘準則的曲線擬合，簡單方便，準確率高，在球與空間信息等領域都有這廣泛的應用。

最小二乘法是在給定平面上的點 進行曲線擬合，其原理是根據實驗樣本和分布，通過理論推導和分析，建立相關函數

最近，J.Vondrak在曲線擬合的發展過程中，又提出了一種Vondark平滑法，這種方法可以在未知函數的情況下，對測量數據或信號進行較為合理的擬合和平滑。這將在下一步研究中討論，本文暫不做贅述。

3.2 線性預測

線性預測則在以上分析的基礎上對信號進一步分析處理，從而使精度進一步提高。常簡稱為LPC(Linear Prediction Coding)，系數稱為線性預測系數或LPC系數。預測誤差：

通過使線性預測到的采樣在最小均方誤差意義上逼近實際采樣，可以求取一組惟一的預測系數。

3.3 地物方法在證券中的應用

對圖1應用曲線擬合和線性預測分析，如圖2所示：

圖2 地物方法分析示意圖

從圖2可見，擬合的誤差很小，精度很高。能較好的反應股市發張趨勢。

然而，技術分析成功與否的影響因素很多，比如個人技術嫻熟，方法的有效程度等等，交易的成敗往往具有非規律性。因此，投資者應當在熟練掌握技術分析方法的基礎上，恰到好處地將基本分析與多種技術分析結合起來，以此來提高成功的概率。

4 結語

本文主要嘗試性地研究了基于地物信息方法的證券預測。詳細探討了地球物理信息處理方法諸如曲線擬合和線性預測，接著在此基礎上扼要研究了基于地物信息方法的證券預測，并結合證券簡單進行了分析，結果初步顯示了較為有效。當然本文只是嘗試性的簡單進行了介紹和分析，后續研究還有待進一步加大實際分析和處理。

[1]Wang Hongliang,Dong Haobin,He Lianghua,Shi yongle, Zhang Yuan.Design and simulation of LQR controller with the linear inverted pendulum[C].International Conference on Electrical and Control Engineering, ICECE 2010.

[2]鄧森,景博,周偉.一種快速收斂的多級獨立分量分析算法[J].儀器儀表學報,2011,32(11).

[3]DENG S,JING B, ZHOU W.Multi-stage FastICA algorithm with high convergence rate[J].Chinese Journal of Scientific Instrument, 2011,32(11).

[4]高梁,劉曉云,廖志武,陳武凡.一種基于多信息融合的模糊邊界檢測算法[J].儀器儀表學報.2011,32(11).

[5]周三多.管理學[M].北京:高等教育出版社,2005.

[6]陳維政,余凱成,程文文.人力資源管理[M].北京:高等教育出版社,2002.