股指预测案例分析-数据、模型与决策

图17.4　灰色建模流程图

股票市场是涉及金融、经济、政治、社会以及股民心理等诸多影响因素的复杂的动力学系统,其变化过程具有非线性、混沌性、长期记忆性等特点,但目前只有一组6天的深圳股市综合指数(日收盘价)的数据,虽说综合指数能较为准确地反映股票价格的总体水平,具有较强的综合性和趋势性,但如此少量的数据信息能否进行股票市场预测? 针对这种贫信息、少数据的情况,可以用GM(1,1)模型。

1.模型的准备

图17.4是灰色建模的流程图,首先要进行序列生成,然后根据GM(1,1)模型的具体步骤进行计算得出相关数据,最后是数据检验。如果满足检验条件,则该灰色模型建立完成后可以进行更进一步的场景分析,否则返回第一步,分析GM(1,1)是否适用于此问题,并进行相应调整。

此外,还要进行模型的适用性检验。本问题中,原始数据为

该序列的级比为

2.模型的建立与求解

对X(0)进行一次累加生成得序列

根据式(17.5)和式(17.6),得数据矩阵

根据式(17.4),得辨识参数

则

代入式(17.7)得

根据式(17.8)可得还原值

进而可以得出预测值,如表17.6所示。

表17.6　原始指数及其预测值

3.检验(www.xing528.com)

根据式(17.1)、式(17.2)和式(17.3),可以求出日收盘指数预测的相对误差a=0.63%＜1%,后验差比C=0.346 4＜0.35,关联度e0=0.908 6＞0.90,小误差概率p=1＞0.95,对照表17.4可得该模型的预测精度均为一级,即符合检验。

4.结论

通过以上实证分析可以看出,与其他预测方法不同,灰色预测对数据量要求不高,更不要求典型分布,对投资者尤其是短期投资者来说,为在短期内规避风险,获得投资回报,灰色预测不失为一种有效方法。另外,虽然本案例只对深圳股市综合指数进行预测分析,但是其他任何类型的股票市场均以证券价格变化曲线来反映市场行情走势,故灰色预测不仅可以用于深证指数,对于其他的股票市场也同样适用。

值得一提的是,预测方法必须根据实际情况,从预测目标、期限、精确度及预测耗费等诸多方面进行合理选择,要注意以下几点:灰色模型法较适用于近期预测;在历史数据较为缺乏的情况下,可采用定性预测方法,而在数据较为充足可靠的情况下,宜采用定量预测方法等;灰色系统预测方法并未充分考虑内外环境变化因素,因此在贫信息、少数据时也不能过分依赖于此方法,需要做充分的适用性检验与调研工作,以使各种系统方法在经济问题分析中得到有效利用。