基于多元線性回歸的股價(jià)分析及預(yù)測(cè)

王培冬

摘 要：中國是世界上最大的發(fā)展中國家，中國股票市場(chǎng)的股票價(jià)格是序列相關(guān)的，這意味著股票的歷史信息可以用來預(yù)測(cè)未來股價(jià)。本文以滬深300指數(shù)為實(shí)例，以其成交金額、最低價(jià)、成交量、次日開盤、開盤價(jià)、收盤價(jià)、最高價(jià)為解釋變量，以該股票的次日收盤價(jià)作為被解釋變量建立多元線性回歸模型，之后對(duì)模型進(jìn)行異方差性檢驗(yàn)和自相關(guān)性檢驗(yàn)，最后運(yùn)用模型對(duì)股價(jià)進(jìn)行預(yù)測(cè)。結(jié)果表明，股票的歷史信息可以用來預(yù)測(cè)未來短時(shí)間內(nèi)的股票價(jià)格。

關(guān)鍵詞：多元線性回歸;股價(jià)分析;自相關(guān)性檢驗(yàn)

1 現(xiàn)狀

滬深300指數(shù)是根據(jù)科學(xué)客觀的原理，挑選出深圳和上海資本市場(chǎng)中最具代表性股票組成樣本股，用以綜合反映證券市場(chǎng)最具市場(chǎng)影響力的一批優(yōu)質(zhì)大盤企業(yè)的整體狀況。滬深300指數(shù)是能夠反映深圳股市狀態(tài)的優(yōu)質(zhì)股票。

自中國進(jìn)入新時(shí)代以來，人民生活水平日益提高，個(gè)人可支配收入日益增多，股票成為人們?nèi)粘＠碡?cái)方式，股票價(jià)格的變動(dòng)也成了勞動(dòng)人民關(guān)心的問題，也是國家關(guān)心和照顧的重點(diǎn)問題。中國是世界上最大的發(fā)展中國家，股票市場(chǎng)也正在完善發(fā)展中，中國股票市場(chǎng)的股票價(jià)格是序列相關(guān)的，這意味著股票的歷史信息可以用來預(yù)測(cè)未來股價(jià)。

2 多元線性回歸模型在股價(jià)預(yù)測(cè)中的應(yīng)用

在實(shí)際生活中，股票的價(jià)格間存在一定的線性關(guān)系，本文將采用回歸分析的方法，以滬深300指數(shù)和上證指數(shù)的次日開盤價(jià)、收盤價(jià)格、最高價(jià)格、最低價(jià)格、成交金額、開盤價(jià)格、成交量為自變量建立模型。

2.1 多元線性回歸模型的建立

本文使用滬深300指數(shù)2018年的歷史數(shù)據(jù)，即以次日開盤價(jià)格、收盤價(jià)格、最高價(jià)格、最低價(jià)格、開盤價(jià)格、成交量、成交金額為自變量，以該股票的次日收盤價(jià)為因變量建立多元線性方程并進(jìn)行求解預(yù)測(cè)。本文所用數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)股票行情歷史交易數(shù)據(jù)，選取滬深300指數(shù)2018年一整年的數(shù)據(jù)進(jìn)行建模分析預(yù)測(cè)。

2.2 多元線性回歸模型在滬深300指數(shù)中的預(yù)測(cè)研究

將股票的歷史數(shù)據(jù)輸入SPSS軟件中，運(yùn)用SPSS進(jìn)行數(shù)據(jù)處理得到模型R2值為0.989，調(diào)整R2值為0.988，Durbin-Watson值為2.011。其中，R表示擬合優(yōu)度，是用來衡量模型的擬合程度，其數(shù)值越接近1越好。R2表示決定系數(shù)，其數(shù)值用于反映模型能夠解釋的方差中占因變量方差的百分比，數(shù)值越接近1越好。調(diào)整R2是對(duì)決定系數(shù)R2的校正，比R2更加嚴(yán)謹(jǐn)，其數(shù)值越接近1越好。其次日開盤價(jià)格、收盤價(jià)格、最高價(jià)格、最低價(jià)格、開盤價(jià)格、成交量、成交金額變量系數(shù)分別為0.978、-0.226、0.188、0.205、-0.153、-8.408E-10、1.297E-10，常數(shù)項(xiàng)為21.768。

設(shè)次日收盤價(jià)為Y，次日開盤價(jià)為x1，收盤價(jià)為x2，最高價(jià)為x3，最低價(jià)為x4，開盤價(jià)為x5，成交量為x6，成交金額為x7，可以得出多元回歸方程：Y=21.768+0.978x1-0.226x2+0.188x3+0.205x4-0.153x5-8.408×10-10x6+1.297×10-10x7

其中R2為0.989。

下圖2-1是輸出的殘差對(duì)預(yù)測(cè)值的散點(diǎn)圖，殘差圖上的n個(gè)點(diǎn)在圖中的位置的散布是隨機(jī)的，沒有任何規(guī)律可言，可以說明滬深300指數(shù)模型滿足模型的基本假設(shè)，不存在異方差性。

由輸出數(shù)據(jù)可知，滬深300指數(shù)模型的R2值為0.989，接近于1，DW值為2.011，接近于2，調(diào)整R2值為0.988，也接近于1。DW=2.011，值在2左右。綜上，由定義可知，可認(rèn)為該模型不存在序列的相關(guān)性.

3 預(yù)測(cè)分析

其中誤差率=（預(yù)測(cè)值-實(shí)際值）/實(shí)際值。此預(yù)測(cè)結(jié)果是將歷史數(shù)據(jù)帶入下邊方程：

中所得到的，即上表3-1。計(jì)算得出預(yù)測(cè)誤差均值為22.93015545，誤差率均值為0.00739866，由此可知，模型的預(yù)測(cè)誤差率在0.003左右，誤差數(shù)值較實(shí)際值來說較小，由此得出模型的預(yù)測(cè)效果較好的結(jié)論。

4 建議

4.1 對(duì)上市公司的建議

對(duì)于上市公司來說，合理安排使用公司上市募集的資金，在盈利時(shí)及時(shí)給股東分紅，通過公布財(cái)務(wù)報(bào)表等讓投資者了解本公司的現(xiàn)金流等資產(chǎn)的狀態(tài)都是健康的，可以給投資者信心，在其他公開信息中也可以展現(xiàn)出本公司的優(yōu)點(diǎn)。

4.2 適當(dāng)對(duì)股市進(jìn)行調(diào)控

股票市場(chǎng)的平穩(wěn)運(yùn)行，需要國家政府等部門的自主調(diào)控，例如18年實(shí)施的去杠桿政策，有助于將房地產(chǎn)行業(yè)中的泡沫擠出，將在房地產(chǎn)產(chǎn)業(yè)內(nèi)部空轉(zhuǎn)的資金擠出，以便降低杠桿率，降低由于房地產(chǎn)市場(chǎng)波動(dòng)導(dǎo)致的股票市場(chǎng)的波動(dòng)，進(jìn)而調(diào)控股市的整體狀況。

4.3 合理安排外匯儲(chǔ)備

2018年內(nèi)，美聯(lián)儲(chǔ)連續(xù)加息，對(duì)中國的資本市場(chǎng)影響也特別巨大。美聯(lián)儲(chǔ)加息會(huì)使美元升值，相對(duì)之下，人民幣幣值會(huì)降低，中國龐大的外匯儲(chǔ)備中有三萬億左右的美元，當(dāng)外部資金流入時(shí)，我國強(qiáng)大的外匯儲(chǔ)備可以應(yīng)付因?yàn)橥鈪R風(fēng)險(xiǎn)導(dǎo)致的股市崩盤情況，但外匯儲(chǔ)備數(shù)額巨大，要對(duì)其進(jìn)行合理的安排。18年第四季度，美國又與中國打貿(mào)易戰(zhàn)，在我看來，貿(mào)易摩擦就像是兩個(gè)經(jīng)濟(jì)體的戰(zhàn)爭(zhēng)，輸贏的代價(jià)很大，輸?shù)囊环降慕?jīng)濟(jì)增長(zhǎng)可能會(huì)停滯不前甚至是倒退。

4.4 對(duì)投資者的建議

股票市場(chǎng)是一個(gè)十分復(fù)雜的金融體系，股票的價(jià)格也會(huì)受多種狀況的影響，對(duì)于投資人來說洞察買賣的良機(jī)是重中之重，因此投資者可以利用本模型進(jìn)行預(yù)測(cè)分析，最大程度地實(shí)現(xiàn)股票獲益。但對(duì)于長(zhǎng)期投資的投資者而言需要考慮各方面的因素，如政府政策因素、企業(yè)經(jīng)營狀況等。因此投資者投資需要十分謹(jǐn)慎，無論哪個(gè)因素的改變，都可能會(huì)導(dǎo)致股票市場(chǎng)的價(jià)格波動(dòng)。所以在選擇一支優(yōu)秀的股票的時(shí)候，我們可以用此模型進(jìn)行分析，來確定這只股票的投資必要性，但面對(duì)變化莫測(cè)的股票市場(chǎng)，僅僅靠這一個(gè)技術(shù)分析是不能夠確保萬無一失的，我們應(yīng)當(dāng)關(guān)注上市公司的各種公開信息，在深思熟慮、權(quán)衡利弊之后，做出合理的決策。

參考文獻(xiàn)：

[1]姜富偉，凃俊，David E.Rapach，Jack K.Strauss，周國富.中國股票市場(chǎng)可預(yù)測(cè)性的實(shí)證研究[J].金融研究，2011（09）：107-121.

[2]李瀟寧.多元線性回歸與時(shí)間序列模型在股票預(yù)測(cè)中的應(yīng)用[J].科技創(chuàng)業(yè)月刊，2019，32（02）：153-155.

[3]周鵬飛，盧澤雨.基于SPSS多元線性回歸模型在城市用水量的預(yù)測(cè)[J].水利科技與經(jīng)濟(jì)，2018，24（05）：6-10.