实验一根据AR模型的股票价格预测
N a ??
(N N a a ??????
()(N N a a ??????
将因变量观测值的自相关函数写成矩阵形式可得如下：120N N N N r r a r --??????????
方程描述为：Ra r =-。
对于该系统预测的关键在于对系统系数向量a 的求解。将AR Model
)()
()()1211N L y L y L N a x L ?????
??-----????????????
Yule-Walker 方程形式为：y Ya x =-+。其中，x 是自变量观测值矩阵，a Toeplitz 矩阵，y 是因变量观测值矩阵。
小组作业：股票评价1
一、基本数据 1、 股票选取 商业百货 ①开元控股（000516） ②西安民生（000564） ③华联股份（000882） ④南京中商（600280） ⑤豫园商城（600655） ⑥西单商场（600723） ⑦重庆百货（600729） ⑧杭州解百（600814） ⑨王府井（600859） ⑩百大集团（600865） 2、 同行业比较分析 截至日期：2008-09-30 二、股票价值评估 1、 市售率法 （1） 通过计算行业平均市售率计算股票价格。 ①选取2008年57家商业百货上市公司的股票市值总和比其营业总收入总和可以得到行业平均市售率。 08年营业收入总和 = （08年9月营业收入/07年9月营业收入）×07年全年营业收入 今年全年上年全年上年同期 当期S S S S =? 08年全年营业收入=（1.49808E+11/1.27796E+11）×1.77125E+11=2.07635E+11 08年行业平均P/S=08年行业全部公司市值的和／08年行业全部公司总营业收入=129408683/2.07635E+11=0.000623251 ②查询十家公司07年9月，07年全年和08年9月的营业总收入，得各公司的08年全年营业收入。 分别除以各自的股本数得各公司的每股销售收入。 再用行业平均P/S 乘以各公司的每股销售收入得股票价格。 即：股票价格=行业平均P/S ×每股销售收入。
股票价值评估结果见下表： 证券代码07年每股 收入 0709月每 股收入 0809月每 股收入 08年每 股收入预测股价 08年收盘 价 000516 11964 8909.3397 10109.522 13575.64 8.461031 6.9 000564 3619 2381.6289 3013.1687 4578.746 2.853708 3.18 000882 5370 3859.9726 1032.7349 1436.706 0.895428 4.33 600280 25118 18219.837 22137.548 30518.49 19.02068 6.52 600655 9317 6740.07 8562.6704 11836.47 7.377092 9.92 600723 5142 3699.1673 4060.9797 5645.325 3.518454 4 600729 26901 19560.538 23211.527 31922.16 19.89552 14.29 600814 4932 3276.004 3872.4754 5830.152 3.633648 4.48 600859 22740 15963.742 19132.042 27252.58 16.9852 19 600865 5679 4005.2197 2532.8882 3591.533 2.238427 3.98 行业平均P/S 0.0006233 其中，000516、600280、600729三只股票的预测股价高于当时的实际股价，其价值被低估，尤其是600280被低估较多，应考虑买入。而其余7只股票均有不同程度的被高估情况，可考虑出售。 （2）通过市售率与销售利润率的关系找出行业中价值被低估的股票和价值被高估的股票。由计算得出的行业平均销售利润率，行业平均P／S，及十家公司的销售利润率及P／S ①计算08年行业平均销售利润率 08年平均销售利润率=(08年9月平均销售利润年率/07年9月平均销售利润率)×07年全年平均销售利润率 08年行业平均销售利润率=0.032184258÷0.0329614×0.036498525=0.035637983 ②十家公司的销售利润率，分别预测十家公司的净利润和销售收入。 证券代码(Stkcd) 0709净利润07净利润0809净利润08年净利润000516 59239507.16 88783750.5 52060137.6 78023847.42 000564 18848633.08 22771166.2 17324917.6 20930354.86 000882 16988573.27 25585774.9 24233384.5 36496880.11 600280 37691749.19 40483043.9 20856008.6 22400518.14 600655 322315542.9 780527459 306592053 742451059.2 600723 16537654.49 20718717.6 801872.01 1004601.938 600729 84126360.48 102309448 125732351 152908166.1 600814 49718909.79 62351289.1 67872477.2 85117241.41 600859 203725260.6 277637183 287336649 391582946.3 600865 64509407.21 75131786.3 60947216.1 70983030.44
股票定价模型增长模型
股票定价模型 －、零增长模型 零增长模型假定股利增长率等于零，即G=0，也就是说未来的股利按一个固定数量支付。 [例] 假定某公司在未来无限时期支付的每股股利为8元，其公司的必要收益率为10％，可知一股该公司股票的价值为8／0．10＝80元，而当时一股股票价格为65元，每股股票净现值为80—65＝15元，因此该股股票被低估15元，因此建议可以购买该种股票。 [应用] 零增长模型的应用似乎受到相当的限制，毕竟假定对某一种股票永远支付固定的股利是不合理的。但在特定的情况下，在决定普通股票的价值时，这种模型也是相当有用的，尤其是在决定优先股的内在价值时。因为大多数优先股支付的股利不会因每股收益的变化而发生改变，而且由于优先股没有固定的生命期，预期支付显然是能永远进行下去的。 二、不变增长模型 (1)一般形式。如果我们假设股利永远按不变的增长率增长，那么就会建立不变增长模型。 [例]假如去年某公司支付每股股利为1.80元，预计在未来日子里该公司股票的股利按每年5％的速率增长。因此，预期下一年股利为1.80×(1十0.05)＝1.89元。假定必要收益率是11％，该公司的股票等于1．80×[(1十0．05)／(0.11—0．05)]＝1．89／(0．11—0．05)＝31．50元。而当今每股股票价格是40元，因此，股票被高估8．50元，建议当前持有该股票的投资者出售该股票。 (2)与零增长模型的关系。零增长模型实际上是不变增长模型的一个特例。特别是，假定增长率合等于零，股利将永远按固定数量支付，这时，不变增长模型就是零增长模型。 从这两种模型来看，虽然不变增长的假设比零增长的假设有较小的应用限制，但在许多情况下仍然被认为是不现实的。但是，不变增长模型却是多元增长模型的基础，因此这种模型极为重要。 三、多元增长模型 多元增长模型是最普遍被用来确定普通股票内在价值的贴现现金流模型。这一模型假设股利的变动在一段时间7、内并没有特定的模式可以预测，在此段时间以后，股利按不变增长模型进行变动。因此，股利流可以分为两个部分。 第一部分包括在股利无规则变化时期的所有预期股利的现值。
股票市场驱动并购研究述评
股票市场驱动并购研究述评 胡开春 [内容摘要]并购动机理论是并购研究的中心问题之一。从行为金融的角度出发,学者 们提出了股票市场驱动并购(SMDA)的并购动机理论模型,这个模型回答了诸如 谁 收购谁、 现金收购还是换股收购、 并购浪潮怎么产生等等问题。本文比较全面地 总结了SMDA的理论模型和实证研究两个方面的成果,并做了简要的评述。 [关键词]股票市场;并购动机理论;资产价值 伴随着行为金融学的兴起,在有效市场理论框架内没有得到解决的问题有了新的答案。从行为金融的角度出发,学者们提出了股票市场驱动并购(Security Market Drive Acquisition,以下简称SMDA模型)的并购动机理论模型,回答了Breadley和Myers在其?公司金融原理#中提出的尚未获得圆满解释的 如何解释并购浪潮的问题。根据SMDA的思想轨迹,发生在股票市场上的并购驱动因素,可以理解为诸如 谁收购谁、 现金收购还是换股收购、 收购后收购双方的股价运动趋势是什么等等问题。在众说纷纭的并购动机理论中,SMDA是一个统一的理论,它没有排斥其他有生命力的理论,而是蕴含或佐证了其他理论,并将触角伸向了其他理论没有触及的盲区,而这就是SMDA理论的力量所在。SMDA理论虽然提出的时间不长,但是已经吸引了理论界、实务界的广泛关注。 国内企业并购理论研究中,西方成熟的并购动机理论拿到国内往往有 水土不服的问题,国内学者也没有完整地提出有中国特色的并购动机理论。陆正飞(2004)认为,现有并购动机研究的最主要缺陷在于尚缺乏对我国上市公司并购动机的深层次分析。以上问题产生的原因是复杂的,而且深入分析下去,就会涉及到制度问题,这就不免有些老生常谈了。但是,制度变迁仍然是不容回避的。股权分置改革成为我国股票市场实现与国际接轨的关键步骤,它使我国股票市场 作者简介:胡开春(1974!),男,南开大学经济学院(天津,300071),博士生。研究方向:公司金融。
股票预测模型【运用ARIMA模型预测股票价格】
股票预测模型【运用ARIMA模型预测股票价格】 [摘要]ARIMA模型是时间序列中十分常见和常用的一种模型，应用与经济的各个领域。本文基于ARIMA模型，采用了莱宝高科近67个交易日的数据，对历史数据进行分析，并且在此基础上做出一定的预测，试图为现实的投资提供一些参考信息。[关键字]ARIMA模型；股价预测；莱宝高科一、引言时间序列分析是从一段时间上的一组属性值数据中发现模式并预测未来值的过程。ARIMA模型是目前最常用的用于拟合非平稳序列的模型，对于满足有限参数线形模型的平稳时间序列的分析，ARIMA在理论上已趋成熟，它用有限参数线形模型描述时间序列的自相关结构，便于进行统计分析与数学处理。有限参数线形模型能描述的随机现象相当广泛，模型拟合的精度能达到实际工程的要求，而且由有限参数的线形模型结构可推导出适用的线形预报理论。利用ARIMA 模型描述的时间序列预报问题在金融，股票等领域具有重要的理论意义。本文将利用ARIMA模型结合莱宝高科的数据建立模型，并运用该模型对莱宝的股票日收盘价进行预测。二、ARIMA模型的建立 2.1ARIMA模型简介ARIMA是自回归移动平均结合模型的简写形式，用于平稳序列或通过差分而平稳的序列分析，简记为ARIMA(p,d,q)用公式表示为：△dZt=Xt=ψ1Xt-1+ψ2Xt-2+?+ψpXt-p+at-θ1at-1-θ2at-2-?-θqat-q 其中，p、d、q分别是自回归阶数、差分阶数和滑动平均阶数；Zt是时间序列；Xt是经过d阶差分后的时间序列值；at－q是时间为t－q的随机扰动项；ψp、θq分别是对应项前的系数。 2.2模型建立流程(1)平稳性检验以2010－3－4到2010－6－10的“莱宝高科”(002106)股票的收盘价作为模型的数据进行建立时间序列模型：做出折线图观察数据的特征：进行单位根检验，判别序列是否为平稳序列；若一阶差分后的数据为平稳序列，可以建立时间序列模型。说明原数据为一阶单整。(2)模型的选择和参数的估计根据数据的平稳性特征，初步确定建立ARIMA模型。观察一阶差分以后的序列的自相关函数和偏自相关
中国证券市场股票价格预测模型综述
中国证券市场股票价格预测模型综述 王 浩 (洛阳理工学院工程管理系,洛阳 471023)* 摘 要:中国金融市场的证券价格存在着可预测成分。现有的各种统计预测方法基本都可以归纳为时间关系模型和因果关系模型两大类,详细分析了各种模型的实现方法并总结了其特点。 关键词:预测;股票价格;统计模型;综述do:i 10.3969/j .issn .1000-5757.2009.07.058 中图分类号:F830191 文献标志码:A 文章编号:1000-5757(2009)07-0058-03 一、证券市场可预测性 有效市场理论指出,证券价格呈现随机游走特征,因此技术分析和掷骰子选出的股票,最终表现相差无几。大量分析却发现中国股票价格波动具有长期记忆性,拒绝了随机游走假设,即股市涨跌存在自身的规律,无论长期和短期都存在着可预测的成分,因而技术分析是有用的,通过采用 相应策略,投资者可以获得超常利润。[1] 中国证券市场呈 现弱有效性的原因可能在于,作为一个新兴市场,法制、监管等因素造成市场信息传递效率低下,投资者在博弈中存在严重的信息和资金实力不对称,而且这种不对称状态并不能在市场中迅速消除,因此F a m a 所描述的概率上的/瞬时性0还无法达到,而这种市场结构的特点,使得某些/技术分析0成为信息挖掘的成本。 由于股票指数序列呈现高度的非线性,经典计量经济模型和时间序列模型的有效性受到了挑战。现代预测理论和统计学、信息技术、优化算法紧密结合,向复杂化和智能化方向发展。至少目前在我国,各种预测技术方兴未艾,投资者按照自己的经验采用各不相同的指标作为决策依据,在市场上低买高卖,获得了成功,也经历过失败。 二、主要预测模型1.神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力,能够从大量历史数据中进行聚类和学习,自动提取样本隐含的特征和规则,进而找到某些行为变化规律,可以实现任何复杂的因果关系。BP (反向传播)和RBF (径向基函数)神经网络是最常见的股市预测模型。崔建福等发现BP 模型普遍显著优于 GARCH (广义自回归条件异方差)模型,从而认为对股票价格这样波动频繁的时间序列,从非线性系统角度建模略胜于 从非平稳时间序列角度建模。[2] 由于传统算法收敛速度慢且 全局寻优能力差,更多研究将精力放在对神经网络结构和参数的改进上。丁雪梅等发现改进后BP 算法的预测结果比 回归预测、指数平滑预测和灰色预测都要好。 [3]神经网络预测方法的应用有两个明显特点。一方面,统计模式识别和数字信号处理等领域的特征选择和提取方法,如小波包最优分解方法、混沌吸引子理论、K a l m an 滤波算法、主成分分析、灰色系统理论,广泛用于神经网络输入参数的甄别。另一方面,新的网络模型不断被应用于证券预测实践以提高映射效率,如模糊神经网络和小波神经网络。预测结果明显优于普通神经网络模型。 神经网络的缺陷在于,网络结构只能事先指定或应用启发式算法在训练过程中寻找,需要在充分了解待解决问题的基础上,主要依靠个人经验来确定,没有统一的规范,往往需要通过反复改进和试验,最终才能选出一个相对较好的设计方案,并且网络训练过程易陷入局部极小点。不过,神经网络最致命缺点在于,无法表达和分析预测系统的输入输出之间的关系,难以解释系统输出结果。 2.灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型,经由累加过程削弱原始数据的随机干扰,突出系统所蕴涵的内在规律,然后建立动态预测模型。马尔可夫过程是无后效性的随机过程,是一种应用极为广泛的传统方法。灰色系统GM (1,1)模型的解为指数型曲线,几何图形较为平滑,比较适用于具有增长趋势的问题,而对随机性波动较大的数据进行预测,会 58 第25卷 第7期V o.l 25 四川教育学院学报 J OURNAL OF S I CHUAN C O LLEG E OF EDU CAT I ON 2009年7月 Ju.l 2009 * 收稿日期:2009-02-23 作者简介:王浩(1973)),男,河南西峡人,副教授,硕士,研究方向:区域经济发展理论与数量分析。
股票内在价值与价格之间关系的文献综述
股票内在价值与价格之间关系的文献综述 摘要：股票作为一种特殊的商品也有其内在价值和外在价格，内在价值表现为股票所能给投资者带来的未来收益。以内在价值为基础，投资者和融资者在具体的市场环境下通过交易博弈最终形成股票的市场价格。本文就股票的内在价值与外在价格之间的关系以及影响二者关系的公司治理因素对相关领域的文献进行了阐述，并且介绍了由于价格严重偏离价值而产生的股票泡沫问题。 关键词：股票价格内在价值公司治理股票泡沫 一、问题的提出 股票价格的不确定性是证券市场上永恒的话题[1]。股票从一级市场发行到二级市场流通以及随之可能发生的股票配售、股票回购、可转债转股的各个阶段，股票价格对市场主体都有不同的指导意义。无论是初始的股价水平还是流通时的股价变化都直接关系到市场主体的决策和盈亏状况，如何评估股票内在价值、如何完善股价形成机制是各方都密切关注的问题。 二、股票内在价值与外在价格 关于股票价格的形成，存在两种极端的观点。一种观点认为，股票存在内在价值，股票价格是其内在价值在一级、二级市场的体现。这类股价决定理论称作基本价值理论。另一种观点认为，股票不存在内在价值。股票价格是股票市场供求双方多种因素影响的结果，其中包括投机行为的影响。由于多种因素的共同作用，股票市场是有效市场，股票价格遵循“随机漫步”( random walk) 的轨迹。这类以效率市场为假设前提的股价决定论，称作“随机漫步理论”。 当股票进入资本市场后，股票价格就成为企业价值的可观察的市场表现[2]。股票价格是价值因素、环境因素等各种影响因素集合的表现，其中任何单一的因素都不可能完全解释现实股价的形成原因。价值是企业内在资本及其产生经营能力的表示。下面本文就股票内在价值与股票价格之间的关系展开阐述。 有效市场假说(Efficient Markets Hypothesis, EMH) 是经典金融学中最重要的命题之一。有效市场假说的概念由Samuelson (1965) 首次提出[3]，经Eugene Fama 和Michael Jensen 等学者的努力，将其发展成一套认识金融市场的理性分析框架[4]。有效市场理论在20 世纪70 年代达到顶峰，并一直是经典金融学的主流思想。有效市场假说的经典定义来源于Fama(1970)[5]，即“价格总是‘完全反映(fully reflect) ’了所有可得信息(all available information)
数学建模预测股市走向
2012年A股市场涨跌预测 摘要 本文主要解决了预估未来一年时间内A股市场的涨跌变化的问题。 首先通过收集2011年的上证A股指数每天开盘后的收盘价，对其进行分析处理，作出A股收盘价指数的走势图观察后，然后对数据作级比分析，得知一部分级比数据不在区间() 0.9474中，故先对数据进行变换，变换后的数据 , 1.0555 的级比都落在了上述区间中。然后通过分析建立灰色预测)1,1( GM模型，代入数据求解模型，并进行参数检验，先进行残差检验，得出预测模型的精度为：96.69%；然后进行相关度检验，检验合格；但是在进行后验差检验中的小概率检验时不合格，故又对模型进行残差修正后，用修正模型预测出2012年的上证A股指数的收盘价，但是由于灰色预测模型在预测长期数据时误差有可能增大，故用2011年的实际数据与用灰色预测模型预测2011年收盘价值之间的误差值修正了2012年A股指数的预测值。为使预测值更准确，又采用了马尔科可夫链模型预测出每天的涨幅情况来进一步修正预测值，得到了更精确的预测结果。预测上证A 股指数在2012年233天的收盘价分别为：2236.5 2221.5…1574.7 1601.9。其收盘价走势图为： 关键词：A股灰色预测马尔可夫链模型预测
问题重述 未来一年时间A股市场涨跌的评估预计 A股即人民币普通股票，是中国大陆机构和个人投资的主要股票。A股市场的涨跌受经济形势，国家政策，外部环境以及投资者心态等多个因素影响。2011年A股市场的上证指数和深成指数都出现暴跌，使投资者蒙受了很大的损失。 请查阅网上的资料和数据。建立数学模型，定量分析并预估未来一年时间内A股市场的涨跌变化。 符号说明 α----------为发展灰度数 μ---------为内生控制灰度 )(t X------表示在时间244 ... 2,1 ,= t t时的股票收盘价 r----------表示关联度 S1-------- 表示序列)(t X的标准差 S2--------表示绝对误差序列的标准差 C----------表示方差比 A i---------表示对数据划分区间,244) 1,2, (i? = p ij --------表示第i状态转移到第j状态的概率18 .... 2,1 ,= j i I0------------表示时刻0处于状态18 ... 2,1 = j的概率 i k j1+-----------表示经过k步转移后处于状态18 ... 2,1 = j的概率 模型假设 （1）运用的数据的来源是有效的，在统计过程中无错误 （2）假设无人为操纵股市的走向,为随机数据 （3）假设2009年到2011年无统计数据的日期为股市休息日 模型分析 一、问题的分析 因为A股指数包括上证A股指数与深成A股指数，选择其中一个进行分析即可，所以就不妨选择上证A股指数2011年1月4日到2011年12月30日的每天
文献综述-基于MATLAB的股票估价模型系统
东海科学技术学院 毕业论文（设计）文献综述 题目：基于MATLAB的股票估价模型系统系： 学生姓名： 专业： 班级： 指导教师： 起止日期： 15
基于MATLAB的股票估计模型研究综述 摘要：随着越来越多的人关注，进入到股市的大海中去，广大的股民以及缺乏专业知识的股民 在面对众多的咨询时很难对股票进行预测。本次研究的即是股票预测系统，以完成对股 票的基本预测。 关键字：股票预测；MATLAB； 随着股票市场在我国的发展，广大股民存在对于股市的盲目以及缺乏对于股市市场的专业知识以及认识。针对越来越多的用户的需求和国内证券市场行情等各方面因素，越来越多的股民急于寻求一种可以进行分析以及估算出企业发展现状，以及股票行情走势的简单易用的股票估价软件，来辅助自己规避一些由于专业知识的不足，盲目进出股市所导致的损失。本文即针对广大股民的这种需求，在MATLAB的基础上开发的一种股票估价系统。 股票最早出现于资本主义国家。在17世纪初，随着资本主义大工业的发展，企业生产经营规模不断扩大，由此而产生的资本短缺，资本不足便成为制约着资本主义企业经营和发展的重要因素之一。股票交易市场远溯到1602年，荷兰人开始在阿姆斯特河桥上买卖荷属东印度公司股票，这是全世界第一支公开交易的股票，而阿姆斯特河大桥则是世界最早的股票交易所。在那里挤满了等著与股票经纪人交易的投资人，甚至惊动警察进场维持秩序。荷兰的投资人在第一个股票交易所投资了上百万荷币，只为了求得拥有这家公司的股票，以彰显身分的尊荣。而股票市场起源於美国，至少已有两百年以上的历史，至今仍十分活络，其交易的证券种类非常繁多，股票市场是供投资者集中进行股票交易的机构。大部分国家都有一个或多个股票交易所。 从股票市场诞生，在中国大陆的第一个证券交易所开始营业开始。信息的获取，分析以及决策一直是广大投资着分析股票价格趋势的最重要因素，从公司财务状况，年度报告到行业背景，可发展前景，信息的准确性，以及及时性等等一系列的分析直接或间接的影响到投资者的投资成败，获利盈亏。同时伴随着证券市场在国内的不断发展和繁荣，上市企业已从原先的数十家发展到上千家，并且其规模还在不断的快速增长中。广大投资者在面对大量的企业信息，海量的财务报告，很难把握投资的对象，急于寻找一款高效而且简洁的股票数据分析软件，以利于自己对于股票市场的实时分析和决策，指导广大投资者在股票市场里选择投资对象。 股票估价系统的涉及主要涉及到了对于股票自身的价值分析以及在计算机平台的基础上开发，使得股票估价系统软件能够在用户输入一种股票的各个参数后，能够自动的分析股票的价值，以及判断股票在未来的涨跌情况。但是，股利以及将来出售股票时的售价都是不确定的，也是非常难以预测，估计的。因此，股票估价是很难用现金流量折现法来完成的。所以，在对股票的价值的分析预估的时候，需要在一些特定的假设情况下才可以实现，只有在这些假定的特殊情况下，我们才能够用现金流量折现法来实现对于股票价格的预估。解决了对于股票价值的预估，那么接着只需要解决在计算机平台上通过编译软件使计算机自动完成对股票的预估，即可制作出股票估价系统。由于MATLAB在数学计算上的强大功能，本次系统的制作就毫无疑问的是基于MATLAB平台上的。同时，为了使制作出的软件易于使用者的使用，我们将用到MATLAB中的图形用户工具，
基于BP网络的股票数据预测模型
基于BP网络的股票数据 预测模型 姓名：江政 班级：控制2015级 学号：2015028081100015 2016 年6月 26日
需求分析和网络结构设计 根据我们对自然神经系统的构造和机理的认识，神经系统是由大量的神经细胞（神经元）构成的复杂的网络，人们对这一网络建立一定的数学模型和算法，设法使它能够实现诸如基于数据的模式识别，函数映射等带有“智能”的功能，这种网络就是神经网络。其中，BP （Back Propagation ）神经网络是1986年由Rumelhart 和McCelland 为首的科学家小组提出，是一种按误差反向传播算法训练的多层前馈网络。BP 网络能学习和存贮大量的输入—输出模式映射关系，而 其他神经网络具有重要作用。 针对150组股票数据进行拟合（详细数据请见《附件1》），选取其中的开盘、最高、最低、收盘和成交次数五组数据，用当日的这五组数据来预测次日的收盘数据，从而等效建立一个股票数据预测模型。采用包括输入层、隐含层和输出层的三层BP 网络结构，如图1所示，输入层包含五个神经元，隐含层包含三个神经元，输出层为一个神经元。其中，隐含层神经元的激活函数采用非对称型Sigmoid 函数，函数表达式为：))exp(1/(1)(x x f -+=，输出层神经元的激活函数采用线性函数，表达式为：x x f =)(。将150组数据分为三等份，其中两份作为训练样本，用来对网络进行训练学习；另外一份作为测试样本，用来检验所训练出的网络的泛化能力。采用BP 算法对隐含层和输出层权值进行修正，以达到计算输出和实际样本输出相差最小，最终实现较精确预测的目的。 图1 预测模型的网络结构
海通证券股份有限公司投资价值分析文献综述
海通证券股份有限公司投资价值分析文献综 述 摘要 随着世界各国经济的发展，各国的证券市场也开始兴起。各国都建立起了自己的金融市场，并且众多的投资者开始对公司股票进行投资。于此同时，各国的投资者也开始研究公司股票的投资价值。从最初国外投资者的三大财务指标分析方法，分析目标公司的财务指标来对其公司的投资价值进行判断。随后在简单的财务指标的基础上，出现了杜邦分析体系来分析目标公司的投资价值。而格雷厄姆在运用杜邦分析法投资失败后，总结出了投资价值的分析方法。其后，其他投资者在投资价值分析的基础上，进一步提出了多因素分析方法和公司成长性的分析方法。而国内金融市场发展较晚，但是国内的投资者根据国外的投资价值的分析方法，提出了适合中国国内股票行情的投资价值研究方法，如相对价值法等等投资价值分析方法。 关键词：投资价值、财务分析、杜邦分析、相对价值 一、前言 伴随中国经济的发展，金融行业已经逐渐发展为我国经济发展的支柱，而在金融行业中，证券行业备受关注。2008年全球金融危机以来，中国证券行业进入发展困难时期，虽然中国政府提出了一系列的支持政策，支持中国证券业的发展，但是大众投资者仍然信心不足。拥有投资者的证券公司，其公司业绩和投资价值也成为投资者关注的重点。 2014年年末，国内证券市场正在逐步回暖，股市行情被各类投资者
或投资机构看好。而证券公司的股票投资价值也是各类投资者看好，纷纷投资上市20家证券公司。而海通证券股份有限公司是证券行业的大公司，投资者也当然不会放过这次投资的机会。 对于投资价值的研究国内外都有比较成熟的理论，如格雷厄姆的投资价值分析方法，分析公司未来的价值，还有国内的相对价值分析法，适合于国内上市公司的股票价值分析。这些投资价值理论，对分析海通证券的投资价值具有重要的指导意义。 二、文献综述 （一）国外投资价值研究综述 财务指标分析法能够对各公司的经营业绩进行分析和评价,但是由于每个公司所选取的财务指标不同会影响到指标的可比性。因此,在20世纪20年代杜邦公司推出了一套能够全面分析公司财务业绩的体系,利用三大财务指标之间的联系对企业财务状况进行综合,其理论基础为:净资产收益率=销售净利率X资产周转率X权益乘数,而在以净资产收益率为综合指标的核心公式里边,销售净利率衡量企业的盈利能力;资产周转率衡量企业的营运能力、权益乘数衡量企业的偿债能力,通过对三项基本能力的衡量最终计算出目标公司的净资产收益率。杜邦分析体系所运用的净资产收益率虽然具有很强的综合性，但仍然只是对资产负债表和利润表的综合,并没有考虑到企业的现金流量表,而企业的现金流量决定着企业的存亡,所以传统的杜邦分析体系存在很大的缺陷,其主要原因只是因为在20世纪初,现金流量表并未问世。随着现金流量表的出现、财务指标运用的推广和人们对财务指标重视程度的提高,各大评估机构和企
某种股票价格的数据的时间序列模型的建立及分析
教育部直属国家“211工程”重点建设高校 股票价格模型 ——应用时间序列分析期末论文 2013年11月一、实验目的： 掌握用Box-Jeakins方法及Paudit-Wu方法建模及预测 二、实验内容： 应用数据1前28个数据建模，后8个数据供预测检验。 数据1 ： 某种股票价格的数据（单位：元）
表1 三、数据检验 1、检验并消除数据长期趋势 法一：图形检验 （1）根据表中数据我们先画出序列图并对序列图进行平稳性分析。 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25,17.13,20.5,19,21.5;] plot(x) xlabel('时间t'); ylabel('观测值x'); title('某种股票价格序列图'); （3）得到图（1） 图（1） （4）观察图形，发现数据存在长期向上的趋势。表示序列是不平稳的。 （5）我们再进一步对数据进行一阶差分，利用Matlab画图。
（6）Matlab程序代码 y=diff(x,1) plot(y) xlabel('时间t'); ylabel('一阶差分之后的观测值y'); title('某种股票价格差分之后序列图'); （7）得到图（2） 图（2） （8）根据图（2）初步判定一阶差分后的序列稳定 法二：用自相关函数检验 （1）用matlab做出原数据自相关函数的图 （2）Matlab程序代码 x=[10.5,10.44,9.94,10.25,11,9.88,10.5,12,13.94,12.25,12.61,13.5,13.44,12.44, 13.5,15.39,15.75,13.88,14.5,15.5,16.13,14.75,11.75,15.25, 17.13,20.5,19,21.5;]; acf1=autocorr(x,[],2); %计算自相关函数并作图 autocorr(x,[],2) acf1 （3）得到图（3）
股市预测模型
股市预测模型 基于混合ARMA模型和支持向量机 摘要：股市预测在以往的文献中已经吸引了大量的研究兴趣。传统上，ARMA模型已经成为时间序列中应用最为广泛的线性模型之一。但是，ARMA模型不能够轻易的捕捉非线性模式。并且最近的研究表明，人工神经网络（ANN）方法比传统的统计的人实现了更好的性能。人工神经网络方法在泛化（generalization）方面经历了一定的困难，但是其生产模式可以过度拟合数据。支持向量机（SVM）一种新型的神经网络技术，在解决非线性回归估计问题上已经得到成功的应用。因此，此次调查提出了在股市预测问题的支持向量机模型上，利用ARMA模型的独特优势试图向用户提供更好的解释力模型的混合方法。股市的真实数据集被使用来研究该模型的预测精度。计算的测试结果是很有前景的。 关键字：BP神经网络，金融时间序列，预测，支持向量机1.引言 股市预测因其高波动和不规则性被认为是具有挑战性的任务。因此，许多模型已经被描绘为投资者提供更精确的预
测。尤其是，人工神经网络（ANN）方法在以前的文献中最为频繁被使用，因为其已知的预测的效率优于其他模型。然而，由于解释神经网络的难度，大多数应用神经网络的研究集中在预测精度。在文献中已被报道，利用人工神经网络模型，以很少的努力提供对破产预测过程更好的理解。此外，由于神经网络的过度拟合在泛化方面具有困难，并且完全取决研究人员的经验或是知识，用于选择大量的包括相关的输入变量，隐含层的大小，学习率以及动量控制参数的预处理。 最近，在1995年首次由Vapnik提出的支持向量机（ＳＶＭ）方法近来被使用在一系列应用中，包括金融股市预测。支持向量机（ＳＶＭ）的基础已经被Ｖａｐｎｉｋ开发，由于许多吸引人的特点以及在广泛的问题上优异的泛化性能使其越来越受欢迎。该制定（formulation）体现了结构风险最小化（SRM）原则被常规神经网络采用，且已被证明优于传统的经验风险最小化原则。SRM泛化误差上限的最小化，用术语来说，就是在训练数据中误差最小化。 此外，SVM的解决方案可能是全局最优解，而其他神经网络模型往往会陷入局部最优解。一般来说，支持向量机技术被广泛认为是艺术分类的状态（the state of art classifier），并且以往的研究表明，SVM预测方法优于神经网络的方法。 最初为解决分类问题开发的SVM技术可以成功地在回归中应用。与模式识别问题只需输出是离散值不同，支持向
基于马尔科夫和布朗运动的股票价格预测模型
基于马尔科夫和布朗运动的股票价格预测模型 【摘要】股民希望从研究股票市场价格的变化中得到一些规律，减少自身的损失，但是股票系统本身是一个非常复杂的非线性运动系统，受到多种因素的影响，短期的某种程度的预测能够帮助股民投资，当前经济预测方法有很多，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型，通过实例对比，分析两种模式的联系与区别，希望嫩味股票短期预测模型提供参考。 【关键词】股票价格预测；马尔科夫；布朗运动 马尔科夫理论应用到股票奇偶阿姨市场中，能够预测股价综合指数的涨幅程度，虽然基于马尔科夫的股票价格预测模型具有一定的应用价值，但是也存在很大的局限性。依照道氏理论，股票的运动就有历史再现性，任何一种趋势都会持续一段时间，找到运动特征和时间周期，能够帮助投资者得到更加科学的投资策略，本文主要分析基于马尔科夫和布朗运动的股票价格预测模型。 1.马尔科夫数学模型的建立 股票综合指数的计算均是采用流通量加权平均法，在正常的交易环境下，股价综合指数随着股票价的变化而发生变化，属于比较典型的随机过程。在运用马尔科夫预测股票模型中需要先建立模型，构造股票价格的分布状态，进而检验。设定xn代表股价综合指数出现的概率，并假设股价指数与过去的运行态势无关，具有无后效性的特点，规定出xn在[-10，-2]表示大幅度下降，xn在[-2，-0.5]比那话代表股票价格正常下跌，xn在[-0.5，0.5]表示股票价格出现小幅震荡整理，xn在[0.5，2]表示上涨，xn在[2，10]表示股票价格大幅度上涨。 时间参数以一个交易日作为交易单位，状态空间E={1，2，3，4，5}，n=0表示初始值，n时刻转移概率矩阵Pij≥0，矩阵P描述该状态下转移到状态j的概率分布状态，设定Pij（K）表示由状态i转移到状态j的转移概率随着转移步骤的增加，根据变化趋势就能判断系统的稳定性，构造k步转移概率矩阵Pk=Pk1，假设t时间段股价的绝对概率向量采用P（t）=（P1（t），P2（t），…Pn（t））T，其中Pi（t）代表t时间段第i区的绝对概率，给定初始概率向量的情况下，t各时间段的股价预测模型为P（t+k）=P（0）P1=P（0）Pt1。 2.布朗运动的预测模型 在描述股票运动的过程中，认为符合布朗运动，采用dSi/St=μdt+δdwt表示，式中St代表t时刻的股票价格，μ代表期望漂移率，δ代表波动率，在间隔Δt 时间段内dlnSt=（μ-δ2/2）dt+δdwt，dwt代表股票的瞬间收益率，布朗运动服从正态分布，股价运动的形式可以采用dSt=μStdt+δStdt表示，依照Tto定理，股价St在任意时间段内服从对数正态分布。 根据股票价格St在任意时间段服从对数正态分布，得到随机微分方程的离
我国企业价值评估理论最新发展综述
我国企业价值评估理论最新发展综述 摘要：在市场经济体制和资本市场深入发展的过程中，企业价值评估理论和方法成为人们日益关注的热点问题。企业价值评估建立在企业整体价值分析和价值管理的基础上，把企业作为一个经营整体并主要依据企业未来现金流量来评估企业价值。对投资者分析企业的价值和发展前景、做出有关资本运营的重大决策、企业管理当局加强企业价值管理、提升企业市场价值等，都具有十分重要的意义。 关键词：企业价值成本法市场法 一、企业价值评估的形成和发展 现代评估业形成19世纪五六十年代，到20世纪五十年代初期，市场竞争日趋激烈，企业必须实现企业价值最大化，而企业股东的基本目标是股东财富最大化。由于产权交易的需要，企业价值评估应运而生，开始成为一项专门的评估活动。五十年代以后，企业兼并、重组、出售等产权交易活动日益增多，经济环境更加复杂多变，经济金融化带来了巨大的风险。对企业风险和收益的界定、度量以及对企业价值的衡量，就成为一项十分重要的经常性工作。价值评估方法主要有成本法、市场法和收益法三种。也有人将评估方法分为五类：（1）利用资产负债表进行评估；（2）加总企业发行在外的所有证券的市场价值来评估企业价值；（3）通过与价值已知的可比企业进行比较评估企业价值；（4）预测企业的未来现金流量，将这些现金流量折现得出企业价值；（5）期权定价模型法。 目前，在企业估值过程中被普遍应用的现金流量折现估值法又细分为四种（1）依托自由现金流量或经济利润，以加权平均资本成本（WACC）为折现系数的企业折现现金流法；（2）经济利润法；（3）依托权益现金流，不考虑负债因素，以杠杆权益成本作为折现率的权益现金流法；（4）以及依托自由现金流量，以无杠杆权益成本作为折现率的调整现值折现法。 二、我国企业价值评估分析 选择适合于目标企业价值评估的方法，应从不同的角度对方法进行比较分析，以明确各种方法之间的差异性。 （一）成本法，是将构成企业的各种要素资产的评估值加总求得企业整体价值的方法。它仅从历史投入角度考虑企业价值，没有从资产的实际效率和企业运行效率角度考虑，这就导致无论效益好坏，同类企业只要原始投资额相等，评估值也一致，效益差的企业评估值有时还会高于效益好的企业评估值。成本法易造成企业资产质的规定性和量的规定性之间的脱节以及不考虑资产整体效应的弊端，此种方法在国外较少采用。考虑我国国有企业效益比较低，非经营性资产所占比重还很大等实际情况，可以采用这种方法。 （二）市场法，主要有市盈率乘数法、市净率乘数法和收入乘数法，最常用方法是市盈率乘数法，从证券交易市场中找出与被评估企业相同或相似的上市公司，把上市公司的股票价格按公司其收益值计算出替代市盈率，乘以被评估企业预期收益率，推算出企业的市场价值。运用市盈率乘数法评估企业，需要有一个较为完善发达的证券交易市场。我国的上市公司在股权设置、股权结构等方面还有许多特殊因素，市场发育也不尽完善。在短期内国内企业整体评估还不宜采用市盈率乘数法，但可以作为辅助方法，或作为粗略估算方法。 （三）收益法，基础是经济学中的预期效用理论，一项资产的价值是利用它所能获取的未来收益的现值，其折现率反映了投资该项资产并获得收益的风险回
股票预测模型
2014高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的报名参赛队号为（8位数字组成的编号）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3.
指导教师或指导教师组负责人(打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：
2014高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
回归分析在股票价格预测中的应用
回归分析在股票价格预测中的应用 摘要：随着我国市场经济环境的日益成熟，股市规模的不断扩大，股票价格成为投资者、经济、系统科学领域研究的热点问题，影响股票价格的因素越来越多，预测未来的股票价格变得十分有必要。股票市场的价格数据呈时间序列，本文将运用Eviews软件对股票价格进行多元线性回归模型预测，以国电电力的历史价格为例，预测该股票的次日收盘价。通过对比消除共线性前后的两个模型对次日收盘价的预测结果，验证了利用主成分分析消除共线 性后的多元线性回归方程预测效果更好。 关键词：股票价格；Eviews；多元线性回归；主成分分析 Abstract:With the growing maturity of China's market economy environment, the scale of stock market is expanding.Stock price has become a hot topic in the field of investor, economy and system science.There are more and more factors influencing stock prices,so it is very necessary to predict future stock prices.The price data in stock market being time series,this article will use Eviews software to predict stock price by multiple linear regression model.Taking the historical price of Guodian power as an example,we predict the next closing price of the stock.By comparing the prediction results of the two models before and after collinearity to the closing price of the next day,it is proved that the effect of the multivariate linear regression equation after the use of principal component analysis is better than that of the multi linear regression equation after the elimination of the collinearity. Key words:Eviews; Multiple linear regression; Principal component analysis