回归分析预测法

沪：BIAS(5) = -6.87↓，BIAS(10) = -10.88↓
深：BIAS(5) = -7.02↓，BIAS(10) = -12.37↓
欢迎下载 可修改
30
第四节 非线性回归预测
两个变量之间的关系并非全是线性关 系，非线性关系也比较多。我们在作图 上估计趋势时，可利用标准曲线与之比 较，哪种曲线最合实际情况，若不是线 性关系，通常有几种典型的常用模型。
欢迎下载 可修改
15
欢迎下载 可修改
16
欢迎下载 可修改
17
四、精度：即是在确定的置信度条件下，求出 相应的置信区间：(n>>0)
当 a = 4.6% 时（yi –2s,yi+2s）
a = 0.27% 时（yi –3s,yi+3s）
其中 S = Q/（n—2),称为剩余标准差。 2004/10/11
损的百分比，即大多数投资者所据有的盈利或亏损空 间。
投资策略：
短线BIAS(5)
-3 ～ -5 +3 ～ +5
为买入时机 为卖出时机
-15～ -20 为最好时机
BIAS(10) -10 ～ -15 为较好时机
-5 ～ -10 可买入
+15 ～ +40 选点卖出
欢迎下载 可修改
28
压力线
卖出
买入
卖出
23
其中: lij = ∑(xki － xi)(xkj － x j) liy = ∑(xki － xi)(yk － y )
i,j = 1,2, ‥ ‥ ,m; k=1,2…n;
欢迎下载 可修改
24
判断y与某一自变量xj的相关显著程度采用t检验.
构造统计量 tj = bj/[S Cjj] 其中 S = Q/(n－m－1)
回归分析预测法
从本章起将讨论定量预测技术
第三章的基本思路来源于数学分析 中数理统计的回归分析方法，将因素之 间的规律（利用已知统计资料）设为按 一定数学模型变化的运动轨迹，并假定：
未来的变化仍然是在已知的条件下 进行，运动轨迹将不会发生畸变。
欢迎下载 可修改
1
第一节 回归分析的基本概念
一.基本概念
欢迎下载 可修改
5
二.方法分类 线性
一元 非线性
பைடு நூலகம்多元
线性 非线性
欢迎下载 可修改
6
第二节 一元线性回归预测
一.回归方程的建立
假定需预测的目标为 y，与之对应的因素 x，随 机抽样，子样数为 n ，通过图上打点作粗略估计已知 的一组对应数据，初步定为线性关系，同时再考虑到 随机因素，应有:
yi = a + b xi + ei i = 1,2,……n
欢迎下载 可修改
21
按照一元线性回归方法,利用最小二乘法,求各系数:
Q(bo,b1‥‥bm) = ∑(yk－bo－b1xk1－‥－bmxkm)2
为最小,求各系数的偏导数.
则 Q’b0 = -2 ∑(yk－bo－b1xk1－‥－bmxkm) = 0
:
Q’bj = -2 ∑(yk－bo－b1xk1－‥－bmxkm)xj=0
有bo = y－(b1 x1 +b2 x2 +……+bm xm ) 其余m个方程，可表示为矩阵解：
l11 l12 …… l1j l1m l21 l22 …… l2j l2m
b1 = l1y
b2
l2y
li1 li2 …… lij lim
bi
liy
lm1 lm2 ……lmj lmm bm
lmy
欢迎下载 可修改
非线性回归均可转化为线性回归，所以我们研究 多元线性回归就有突出重要性。
设y 与 xj 线性相关，j = 1,2,3,……m,即m元。那么有 y 与 xj 构成的线性关系：
y = bo + b1x1+ ‥‥‥ + bmxm +e
其中bo,b1,‥‥bm为常数，e为随机项, 则对应之回归方
程应为（不考虑随机因素）
1、 .n
∑ei = 0 , 即残差和为0
i=1
2 、 回归直线过点yˆ （x,y） 即过数据重心。
∵ y = a + bx
3 、 回归平均值等于离散平均值，即 yˆ = y
欢迎下载 可修改
11
三. 相关检验
相关检验解决两大问题： x与y是否线性相关及相关强弱如何？ 它们之间相关显著性如何？ 1、y的离差平方和
lyy = ∑(yi—y) 2 对于任意给定的xi，都有yi的波动，波动的大小可
用yi—y来评价，n次结果的总波动大小为lyy,……数据 分散程度。
欢迎下载 可修改
12
ˆyi
2、回归平方和
U = ∑( —y) 2
对于任意给定的xi，yyˆ i i与xi是人为给定的线性变化
而得到，它与实际的均值 y 必产生偏差，这种偏差是 由回归而产生的，是回归偏yˆi 差平方和U……回归分散程 度制定。
(1)
不考虑随机因素，应有:
∧ yi = a + b xi
i = 1,2,n
(2)
代（2）入（1），求得随机项 ∧ ei = yi – yi = yi – ( a + bxi ) （3） ei 称为残
差
欢迎下载 可修改
7
ˆy
这表示，真值与模拟直线y = a + bx之间存
在实际误差 ei，累积平方误差为 Q = ∑ei 2,称
3.残差平方和 ∧ Q = ∑(yi—y) 2 实际值与模拟值产生的误差，由于y∧i 随xi变化的随机 特性引起，模拟的好则残差平方和应尽可能小
lyy = Q+U
欢迎下载 可修改
13
这个公式中：离差平方和lyy是不可变更的客观存 在，且残差平方和Q尽可能小，故有U→ lyy效果好，即
yi与xi之间存在强的线性关系。
y = f (x1,x2, ‥‥‥xn)
显然，有一些问题必须解决
欢迎下载 可修改
3
①因素分析
现代社会中，任何一件事物与多个因素相关，如 何选取主要因素，忽略次要因素，使建立的数学模型 不因变量太多而复杂，又能较好的抓住主要矛盾。
解决方法是求相关系数R
②运动轨迹的模型
主要利用已知统计数据在图上打点进行观察分析， 寻求一条最佳线路。采用最小二乘法，即在满足该条
相关程度的显著与不显著（即使相关性强，但某 因素对另一因素的影响不大，即不显著，那么这种因 素也是不重要的）有一个具体界限，这是R检验。
由于抽样误差的影响，R达到的显著值与样本个数 n有关，且取决于不同的显著性水平（或置信度），配 成相关系数检验表，它们给出了在不同的n,a时，相关 系数达到的最小值。
j = 1,2, ‥‥ ,m.k=1,2,…n; 由此,共得m + 1个方程,
欢迎下载 可修改
22
求bo: ∑yk－nbo－b1 ∑xk1－ ‥ ‥ － bm ∑xkm=0
∴ bo = (1/n) ∑yk－(b1 1/n ∑xk1+ ‥ ‥ +bm 1/n ∑xkm)
令：y = (1/n) ∑yk, xj = y(1/n) ∑ykj
欢迎下载 可修改
9
则b可简记为
b = lxy/lxx , a = y– (lxy/lxx) x a,b称回归系数 y = a + bx 称线性回归方程。 这种方法称为最小二乘法，又叫最小 平方法OLS（Ordinary Least Square)
欢迎下载 可修改
10
二. 一元线性回归方程的代表特性
1.回归分析的来由： 20世纪初，英统计学家 F.Golden 研究父子身高的 遗传统计，高个子父母下一代比父亲更高的概率小于 比他矮的概率，而矮个子父亲下一代比父亲高的概率 大于比他矮的概率；且这两种高度父辈的后代，高度 有向两种父辈平均身高靠拢的趋势，这种现象称为 “回归”——是一种自然界现象规律的提取。
1.若当日股价剧烈上升或下跌，将使BIAS的绝对值加 大，回归愿望强烈。----------------应出货或补仓。
欢迎下载 可修改
27
2.若当日股价沿移动平均值前进，则BIAS在0值附近， 股价运行轨道不变，---------考虑继续持仓或减仓操作，
3.BIAS的数值表明了股价与市场平均成本的盈利或亏
残差平方和，又称剩余平方和。
反之，我们已知的是实际数据（xi，yi），
从可能的无穷条模拟直线中选取某一条直线，
使之模拟得最好，标准为Q = ∑e2i最小。 由（3） Q（a,b）= ∑ei2 = ∑(yi –a--bxi)2
求极值点，应有：[Q(a,b)]’a = 0 及 [Q(a,b)]’b = 0
买入
买入 支撑线
欢迎下载 可修改
29
96.12,因政策和升幅过大下调至97.1月开始上升，至5.12日深成指 从2792至6103，升幅过3311点，因技术要求及97发行额度影响， 暴发性下跌，至5.14日收盘5505，跌598点，BIAS(5) = -4.66， BIAS(10) =-2.54,5.15日以5416开盘，探底5279引发反弹，收至 5622点，5.16 (周五)以2163点开盘，收至5125点，比前日降497点， BIAS(5) = -8.98，BIAS(10) = -9.92，5.19，5.20略有反弹，5.21日 因利空谣传再次下跌，5.22日国务院证券委，中行等出台禁止国 企和上市公司买卖股票的几点规定出台，导致股市暴跌，
欢迎下载 可修改
2
2.回归分析 研究变量之间的互相关系，把其中一些因素作为 控制的变量，而把另一些随机变量作为因变量，利用 适当的数学模型尽可能趋向于趋势变化的均值描述它 们的关系的分析，称为回归分析。 即假定 y 与 x 相关，应有 y = f ( x )