交易量和特征提取在證券市場短期預測中的作用研究.pdf

1、近年來，證券市場預測研究熱度一直不減，提高預測精度是學者們探究的目標。文獻中提高預測精度的方法主要集中在預測模型改進和輸入數(shù)據(jù)的特征提取兩個方面。預測模型的改進集中于不同模型的組合以降低單個預測模型帶來的誤差，雖然取得了較好的進展，但現(xiàn)有神經(jīng)網(wǎng)絡等預測模型對輸入數(shù)據(jù)依賴性很大，輸入數(shù)據(jù)是否包含噪聲、是否具有典型性會對預測效果產(chǎn)生影響?，F(xiàn)有的證券預測中的特征提取方法多為信號處理或簡單的降維分析，缺少明確的經(jīng)濟意義。因此，如何從金融學視角提

2、取出具有經(jīng)濟意義的特征變量，并驗證特征提取在證券市場短期預測中的作用仍是研究的重點。
　　量價關系的研究一直受到學者們的關注。研究表明，交易量與價格變化存在著正相關關系。很多學者也從信息層面、微觀結構層面給出了解釋。然而，關于交易量是否有助于價格和收益率的預測，目前學術界仍未得到一致的結論。因此，交易量對證券市場預測的作用仍需進一步的探索和研究。
　　本文以日收益率為預測目標，將均方誤差和平均絕對百分比誤差作為預測效果的評價

3、指標，利用BP神經(jīng)網(wǎng)絡模型進行預測。本文主要工作如下：
　　首先對收盤價進行小波去噪處理，并構建對比模型檢驗小波去噪是否有助于預測精度的提高。
　　然后，就交易量是否在收益率預測中產(chǎn)生作用的問題構建預測模型，進行對比研究。
　　最后，從量價關系入手，從收益率、收盤價、交易量三方面提取了共21個特征變量，通過BP網(wǎng)絡進行預測，探索本文的特征提取在預測中的作用。
　　本文對構建的4個預測模型進行了結果的分析和對比。結

4、果表明，特征提取、交易量、小波去噪都會降低均方誤差和平均絕對百分比誤差，使預測達到更好的效果。具體結論為：第一，使用小波去噪后的收盤價進行預測比去噪前預測誤差有所降低。說明小波去噪去除了樣本數(shù)據(jù)中波動較小且無規(guī)律的噪聲，保留了有用信號，從而提高了收益率預測的精度。第二，將交易量加入預測模型后，多次運行的均方誤差均值比僅使用去噪后收盤價預測降低了56.1％，平均絕對百分比誤差也有所下降。交易量與收益率具有相關關系，交易量的加入有助于收益率