Logistic模型在股票市場中的應用

侯 威

(云南財經大學統計與數學學院 云南 昆明 650000)

Logistic模型在股票市場中的應用

侯 威

(云南財經大學統計與數學學院 云南 昆明 650000)

伴隨著社會經濟的發展，及目前大數據技術在經濟、政府統計、生物統計、信息技術等各種領域的廣泛應用，人們越來越希望能夠將大數據的技術應用到金融市場中去，運用大數據的方法對金融風險進行控制。本文介紹的logistic模型是回歸中的一個常用的模型，在實際生活中應用十分廣泛。本文將logistic模型應用到股票市場中，過去的歷史數據為基礎，擬合logistic模型，對單只股票的漲跌進行二分類的預測。

logistic模型；股票市場；漲跌預測；逐步回歸

一、引言

1.研究背景及意義

隨著社會經濟的發展，我國的金融行業正進入了一個飛速發展的時代，隨著社會財富的增加和人們理財意識的提高，越來越多的人愿意把自己的錢進行投資，而股票也是人們投資的一個工具之一。隨著股票市場的不斷完善，以及數據規模的擴大，越來越多的人開始進行量化投資，即利用各種各樣的數據、指標去預測金融市場的走向，并以此為基礎進行投資。

Logistic模型作為回歸中的二分類模型，在股票市場上的應用例子并不多。本文以個股的行情數據為基礎，運用logistic模型對股票進行漲跌預測，希望做到規避風險的目的。

2.寫作思路及步驟

本文嘗試將logistic二分類模型運用到股票市場當中去，對個股進行漲跌預測，使用wind金融資訊軟件進行數據的提取，用R語言軟件對數據進行處理和模型擬合。

首先，下載了wind金融資訊軟件，利用wind金融資訊軟件的R處理接口，嘗試與R軟件進行對接，直接在R中即可獲取wind金融資訊軟件中的各種數據。

其次，獲取數據后，在R中對數據進行處理，分成訓練組和測試組，將某天漲跌幅大于等于0的數據定義為1，漲跌幅小于0的定義為0，用t期數據擬合logistic模型，去預測t+1期的漲跌。

再次，對模型進行評價，修改模型，得到最終的logistic預測模型，再利用測試組的數據對模型預測的準確率進行評估。

二、模型擬合

本文選取了股票市場個股的基本行情指標，包括有開盤價、最高價、最低價、收盤價、成交量、成交額、振幅、均價、換手率、尾盤凈流入資金、開盤凈流入資金、凈流入資金、凈流入量和漲跌等14個指標。通過這些指標可以較為全面地反映個股在股票市場上的表現。

1.數據提取

本文的相關數據都是通過wind金融資訊軟件提取，通過該軟件的R插件接口，對接上統計分析軟件R軟件，再用R軟件進行數據的提取。

在本文中，提取了股票代碼為600152.SH的股票，從2014年1月份開始到2015年12月25號的數據。

2.數據清洗

得到600152.SH代碼的股票485期原始數據后，需要對數據進行數據清洗。首先，將t+1期漲跌幅大于等于0的t期因變量y設置為1，將t+1期漲跌幅小于0的t期因變量y設置為0，即用t期的數據預測t+1期的漲跌。其次，將數據的y指標整理為當前期數t+1期的漲跌幅。再次，將455期以前的數據定為訓練組數據，455期之后的30期數據為測試組數據。

3.模型估計

對于logistic模型只能用極大似然法進行估計。在處理上，首先直接把14個自變量納入模型，經極大似然估計得出的系數存在較大的標準誤差，且部分指標不能通過統計檢驗。再通過逐步回歸的方法，找到AIC信息量最小的回歸。

逐步回歸結果可以確定引用模型中的變量個數為4個，AIC值為618.68，引入的變量分別為最高價、最低價、凈流入資金和均價。

4.模型檢驗

對原始模型和篩選完變量后的模型Model 10進行方差分析，結果顯示，方差分析的卡方統計量的值不顯著(p=0.6234)，表明只引入4個變量的模型與全變量的模型擬合程度一樣好，減少其余10個變量并不會影響模型的預測精度，因此可以依據更加精簡的模型Model 10進行解釋。

用模型的殘差偏差與殘差自由度進行過度離勢檢驗，結果顯示，卡方統計量的p值為0.3895，顯然不顯著，不能拒絕殘差偏差與殘差自由度等于1的原假設，故可認為該模型的相應變量并不存在過度離勢的情況。

似然比檢驗LR統計量的結果表明統計顯著性很強，可認為模型通過了LR檢驗，拒絕了模型系數為0的假設，可認為自變量提供的信息是有用的。

對于logistic模型，估計未知總體參數時主要采用的是極大似然估計。本文中使用極大似然法對模型參數進行估計，并用Wald檢驗法對參數進行檢驗，結果顯示，可以看出各參數均顯著。

表1 極大似然估計和Wald檢驗

三、結果及分析

基于上述分析與測算，可得出logistic回歸分析方程為：

自變量分別為：HIGH最高價，LOW最低價，AMT成交額，VWAP均價。

模型解釋：可以看到，最高價增加一個單位，漲跌的優勢比將乘以0.2088，最低價增加一個單位，漲跌的優勢比將乘以0.2403，成交額增加一個單位，張得的優勢比將乘以1，當均價增加一個單位的時候，將會引起漲跌優勢比變為原來的20.7641倍。這可以認為，對漲跌比影響最大的因素就是均價，而均價是證券在交易日所在指定周期內所有成交額與所有成交量之比。因此，我們在今后的證券價格預測研究中可以重點關注這個指標。

[1]孫磊平.數據挖掘方法在股票分析中的應用與研究[D].西南財經大學,2013

[2]肖朝勝.股市危機預警系統研究[D].西南交通大學,2008

[3]于立勇,詹捷輝.基于Logistic回歸分析的違約概率預測研究[J].財經研究,2004

[4]張韜.基于非參數統計的程序化交易策略研發報告[D].浙江工商大學,2013

[5](美)卡巴科弗.R語言實戰[M].人民郵電出版社,2013.1

侯威(1992-)，男，漢族，河南許昌人,云南財經大學統計與數學學院，研究方向：經濟統計。