偏最小二乘法對股票的簡單預測

白璐

摘要：近些年股票市場快速發展，越來越多的人參與到股市當中。然而股票卻是一種高回報，高風險的投資方式，存在許多不確定因素，給投資者選擇股票造成了一定困難，所以人們希望能對股票價格進行科學的分析預測，掌握股市變化的大致規律，從而得到高回報。許多相關領域的學者做出了相關的預測方法，但是這些理論各有各的優點與不足。本文主要運用偏最小二乘回歸算法預測，對股票進行仿真實驗，揭示這種算法有較高的預測精確度。

關鍵詞：金融；股票預測；偏最小二乘回歸算法

中圖分類號：F832；06

文獻識別碼：A

文章編號：1001-828X（2016）036-000298-01

一、傳統股票預測理論

1.灰色預測理論

灰色預測理論認為盡管系統的行為模糊，數據復雜難測，但仍然有潛在的規律，是有整體功能的。灰數的生成，就是從復雜難測的數據當中尋找出潛在規律。同時，此理論建立的是生成數據的模型，并不是原始數據的模型，所以，數據是通過生成數據的CM（1，1）模型所得到預測值的逆處理結果。這是一門新興的橫斷學科，以“部分信息已知，部分信息未知”的“小樣本”、“貧信息”不確定性系統作為研究對象，通過提取部分已知信息中有價值的信息進行研究，實現對系統行為的正確認識和有效控制。所以，根據這個思想，我們可以重新理解股票市場的不確定性行為，將股市看作是部分信息未知、部分信息已知的數學模型，將股價看成股市這個灰色系統里的特征量。

2.時間序列預測理論

時間序列預測法就是通過排列和分析已經排列好的時間序列，根據序列所反映出來的特征，猜測事物的發展過程、方向和未來趨勢，以此進行類推或者延伸，用這種方法預測下一段時間可能達到的程度。時間序列預測的內容包括：收集并整理某一種事件現象的資料；然后對這些資料進行檢查鑒別，按照時間的先后順序排成數列；分析所排好的時間數列，從中找出該事件隨時間變化的潛在規律，得出一定模式，用這個模式去預測該社會現象將來的情況。

二、偏最小二乘法理論

1.基本知識

偏最小二乘法是一種新型的多元統計數據分析方法，它通過最小化誤差的平方找到一組數據的最佳函數匹配。用最簡單的辦法去求些未知的真值，使他們的誤差平方和最小。這種方法近幾十年來，在各領域都得到了迅速發展。偏最小二乘法把固定模式的方法和靈活性的認識巧妙的結合起來了，實現回歸建模（多元線性回歸）、數據結構簡化（主成分分析）以及兩組變量之間的相關性分析（典型相關分析）。這是多元統計數據分析中的一個飛躍“。

2.特點

（1）即使自變量之間存在很大程度的相似性，仍可進行建模

f21可以在選取的樣本個數少于變量個數的情況下，進行建模

（3）最終模型中包含所有的初始自變量

（4）模型更易識別是非隨機性的干擾還是系統信息

（5）模型中自變量的回歸系數將更容易理解

在計算方差和協方差時，求和號前面的系數有兩種取法：當樣本點集合是隨機抽取得到時，應該取1/（n-1），反之這個系數可取1/n。

四、結語

在選取了恰當的因素和公式后，可看出偏最小二乘法計算的結果比較貼近現實值.說明偏最小二乘法可以在股票數據不十分充足的情況下，依然可以進行數據的擬合。這也為股票的預測多提供了一種思路方法。

本文在進行試驗仿真的部分，由于股票價格的影響因素眾多，不能完全將這些因素都考慮其中，使得實驗結果仍偏離實際。本人未來會更進一步的研究股票預測的影響因素，改進偏最小二乘算法，使其能更加準確的預測股票的未來走勢。