关键词：
上证指数（精选十篇）
上证指数 篇1
本文选取了自2000年1月至2014年5月上证指数和恒生指数的月度数据, 剔除节假日, 取两地都有交易的每月收盘价数据, 共173个数据, 用SZ、HS分别表示上证指数、恒生指数的月度收盘价, 使用软件Eviews8来进行实证探讨。
一般来说, 相关系数值越大, 相关程度越高。上证指数SZ与恒生指数HS的相关系数矩阵图如下 (图1) :
由上证指数SZ与恒生指数HS的相关系数矩阵图可知, 上证指数与恒生指数正相关, 两者之间同向变化, 具有高度的同升同降性。
二实证研究
1. 平稳性检验。
为避免虚假回归问题, 在进行构建模型之前, 用Eviews8进行单位根检验。本文采用ADF检验来分别对变量SZ、HS进行单位根检验, 检验结果如下表1:
注:ADF检验中去除了趋势项, 保留了截距项, 依据赤池信息准则选择滞后阶数为9。
从表1中可以看出, 上证指数SZ是不平稳的, 而上证指数的一阶差分DSZ是平稳的, 所以上证指数SZ是一阶单整, 即SZ~I (1) 。同理, 我们可知恒生指数HS也是一阶单整, 即HS~I (1) 。
2. Granger因果检验。格兰杰因果关系检验结果如下:
由上表可知上证指数SZ和恒生指数HS有双向的格兰杰因果关系, 这就说明了上证指数SZ和恒生指数HS之间相互影响。
3. 脉冲响应分析。用脉冲响应函数来分析上证指数与恒生指数之间的动态变化过程如下 (图2) :
左上图和右下图分别是上证指数、恒生指数对自身扰动的响应图, 从图中可知, 在第一期上证指数的这种响应大约在220左右, 恒生指数的这种响应大约在1200左右, 之后这种冲击对两者的影响逐渐减小, 直到第110期左右, 冲击响应基本稳定于0, 达到稳定状态。右上图为上证指数对恒生指数扰动的响应图, 上证指数在第一期的响应大约为150, 之后开始减少, 在第85期左右趋于0, 达到稳定状态。左下图为恒生指数对上证指数扰动的响应图, 在第一期恒生指数的这种响应大约在650左右, 之后开始减小, 在第125期左右, 这种响应的影响趋于0, 达到稳定状态。
综上所述, 上证指数和恒生指数之间互为影响, 而上证指数对恒生指数的影响力度较大。
三结论和启示
1. 结论。
上证指数和恒生指数之间高度相关, 两者之间同向变化, 具有高度的同升同降性。通过脉冲响应函数分析, 上证指数和恒生指数之间互相影响, 但是相对来说上证指数对恒生指数的扰动响应比恒生指数对上证指数的扰动响应大。
2. 启示。
首先, 沪市股票市场与香港市场的联动性较强, 恒生指数的变动将会给沪市带来较大波动影响, 如何应对这些冲击, 两地监管机构要采取必要的措施来保持股票市场的稳定。其次, 内地股票市场与香港股票市场存在同向变化, 具有高度的同升同降性。投资者要从两地股市中寻找投资规律, 找出价值被严重低估的股票, 为其进行投资提供有价值的决策依据。
参考文献
[1]兰松山.上证指数与恒生指数关系实证研究[J].金融经济, 2009 (10)
上证指数12月6日走势分析 篇2
12月5日上证指数日K线收出了9月7日以来久违的一阳穿三线的大阳线，成交量达到854.75亿元。这是预料之中的，但仍改变不了年底的惯例下跌的基本格局。
其理由如下：
1、年底机构、银行资金回笼，流动资金吃紧，是明摆的现实。想为者也巧媳妇难做无米之
炊啊！。
2、长期的下跌，散户损失惨重，加之年底这个特定时期散户资金入市意愿本来就极差。所
以，此时的星星谁愿出来捧月亮？
3、鉴于上述原因年底之前股指就算见底跌不动了，也不会有什么像样的行情。更何况目前
点位真的“见底”了吗？回答是肯定的：没有！。
4、理论的底应在何方？上证指数自6124点下跌以来，1664点是A浪的底、3478点是B
浪的顶这是勿用质疑的了，问题是C浪的底在哪？C浪的底能高于A浪的底吗？其理论依据有吗？在哪？大跌小涨的反弹肯定是有的，但抢反弹是散户不可取的！
5、票票是自己的，猜底是危险的！上亿双眼睛在盯着，侥幸心理是要不得的！
6、12月6日上证指数走势应是小阴小阳的回调整理是主基调，当然也不排除创新高或出中
大阴线的可能性，但回落是必然的，只是时间推后1~2天罢了。
上证指数出现短线风险 篇3
上期笔者写了大盘进入三角区的变盘区的上轨道江恩日9号线，属于线下阳线抛，想不到大盘走势完全符合笔者的“殷氏定律”。8月25日(星期三)大盘叉出现了破2号线的风险现象，2号线在历史走势上有着举足轻重的分量。请看8月12日(星期四)的图形，就是上证指数打到江恩2号线之上的千钧一发的地方，第二个交易日就翻身向上往江恩9号线冲去，一步到位，碰到江恩9号线2697点就大跌，完全舍乎笔者的操作方法。2号线上阴线买，9号线下阳线抛，一加一等于二，简单、清晰，不拖泥带水。
如果你不执行股市纪律，那么你就完全处于被动之中，我想前几期的文章已经阐速了需要严格执行纪律的必要性。一个投资者一定要严格执行买卖的纪律，否则后果大家已经看到。对不对?常言道：不要迷信也不要不信。用自己的智力来判断别人的理论，验证、对比，吸取精华去糟粕，帮助自己战胜自己不熟悉的市场。
一个星期过去了，上证指数由于受周9号线的无情压制，股指被迫拐头向下，有“人在屋檐下，不得不低头”的感觉，笔者这次提醒的线下阳线抛使许许多多新股民耳目一新，感到非常神奇。其实，老读者已经知道这是老生常谈的话题了，余下就是执行与不执行的问题了，如果执行那么你就非常成功了。为什么?8月25日的大跌已经破了上证指数的江恩2号线，26日短线冲高到2号线2629点附近又大幅向下回调，如果以正常的看盘技巧看，应该感到有一丝丝的寒意。为什么说是一丝丝呢?因为现在的问题是有着另外一个矛盾，就是8月26日笔者截稿时深证指数的点位仍然在江恩日2号线10922点之上。
既然深证指数目前在2号线上，我们不必太失望，我们要看27日的收盘有没有破10922点(每天向上21点计算)。下周不破不抛。并且做好多手准备，一是看到深证指数收盘跌破10922点，建议反弹减仓，特剐是放出是量的股票可以作清仓处理。二是看到上证指数重新翻上江恩2号线，最好翻上2689点的交叉压力区才能买入，虽然放弃了几十点，但我们就不要为几个点而劳神，关键在周9号线下有风险。三是如果实际收盘点位有效破住，上证指数下档重要支撑在周364号线2355点(每天向上5点)，深证指数下档重要支撑是周2号线。值得提醒的是，这两个重要支撑是要在看到深证指数确实破了死亡模式中梅开二度的2号线10925点后再参考。四是天有不测风云，后市指数由于受到深证指数的强支撑，上证指数翻上周9号线2659点上面2％迅速“线上阴线买”，涨到2762点的周3号线尽量抛，然后静观其变，等翻上2762点再线上阴线买。这个方法看似麻烦，但实实在在地保证了你永远不会“坐电梯”。读者可以模拟一次，看看还有什么方法比这个更能安全盈利。
我赞成“白猫黑猫会抓老鼠就是好猫”这一句很经典的话。不懂技术的股民不要太相信自己，也不要太相信别人，盈利需要靠智慧。大家不会忘记2005年12月19日笔者在本栏目中写“1122点之上‘上班”’，结果有一个股民看了这大标题后却到自己单位去上班了，踏空了一波超级大行情，使我哭笑不得。这里笔者再次劝部分读者能否想一想为什么笔者的殷氏定律能解决不踏空、不深套?它的方法主要是顺势而为，见机行事。股市变化万千，不用这个方法恐怕难以解决。
中小盘股遭遇解禁洪峰
郭娴洁
从历史经验看，限售股解禁之后，遭遇原股东套现并不鲜见，股价在一段时间内下跌概率也较大。但对于一些可持续高成长的个股，解禁日附近股价出现下挫反而给投资者提供了介入良机。
备受市场关注的创业板、中小板网下配售股和部分限售股解禁潮已拉开帷幕。来势汹涌的解禁潮是否会给创业板以致命性的打击?大盘是否会受牵连而重回跌势?
3500亿元的解禁潮
令投资者胆战心惊的解禁潮究竟有多庞大?数据统计显示，2010年下半年，260家中小板公司面临限售股解禁，解禁股数合计达到164亿股。以8月20日收盘价计算尚未解禁的股票市值，则下半年解禁市值总计约3372亿元。创业板方面，首批上市公司限售股解禁数量将达到11.99亿股，第二批创业板公司解禁数量将达到2.3亿股，下半年创业板公司合计解禁市值超过600亿元。如果从8月算起，到年底，中小板和创业板的解禁市值约3500亿元。
最猛烈的解禁风暴将出现在11月。届时，约36亿股、合计市值超过1100亿元的限售股将涌入A股流通市场。仅11月1日解禁的首批创业板首发原股东限售股就接近12亿股，市值约332亿元。
而3500亿元的解禁又将给市场造成怎样的冲击?目前A股沪深两市的总市值约为25万亿元，3500亿元占据了14％，这个比例倒不是太吓人。但如果换种说法，投资者可能要倒吸一口气，3500亿元相当于A股市场再发行5个农行。
此外，对单只股票来说，解禁的量好比一下子将人变成了庞大的“阿凡达”。以洋河股份为例，目前的流通盘为4499万股，而今年11月8日将有2L49亿股解禁；天龙光电目前流通股为5000万股，只有总股本的四分之一，但今年12月25日将有个人股股东的5880万股解禁；北陆药业现在只有2550万股，但到今年10月将有3600万股左右解禁。
创业板解禁的“窗口期”
中小板和创业板的解禁股如洪水猛兽般扑来，投资者不禁要问：网下配售股和限售股解禁究竟是怎样一个“时间窗口”?
向基金、券商等机构投资者进行网下配售的部分，解禁的周期为新股上市后的3个月。而新股发行前的股东所持股份的锁定期则更长，也更复杂。
事实上，深交所创业板股票上市规则对发行前股份的解禁已经设定了3个条件：一是原股东自发行人股票上市之日起1年内均不得转让；二是控股股东和实际控制人应当承诺36个月内不得转让；三是发行人在提交上市申请前6个月内进行过增资扩股的，新增股份的持有人除一年限售规定外，还需承诺24个月内转让的上述新增股份不超过其所持有该新增股份总额的50％。
此外，监管部门在进行上市审核时对股东入股的时间窗口予以了重点排查。规定拟创业板上市企业进行预披露时，除了披露招股书申报稿外，还需要单独披露股本演变情况的说明，明列公司历次增资及股份转让的详情。
而在实际操作中，发行人会根据与监管部门的沟通情况以及受让股份的具体来源要求相关股东追加承诺，不仅对增量分步解禁，对存量也进行了总量控制。如一家创业板公司，有5名自然人股东是在上市申请前6个月内以受让股份方式进来的，但他们却
承诺股票上市后36个月内不转让股份，远高于第二年解禁50％的要求。
众所周知，由于创业板和中小板的高市盈率、高股价发行，上市后股价往往溢价二三十倍，甚至上百倍，而那些上市前突击入股的股东，由于时间成本低，难免出现解禁后迅速套现的冲动，势必对市场造成压力。因此，从严设定解禁条件，延长套现时间对于稳定市场有相当大的作用。
美国网络泡沫破灭会否重演
虽然管理层和上市公司均对股东的套现作了严格的规定，对市场有一定的缓压作用，但毕竟解禁股庞大，犹如股市中的“堰塞湖”。一些分析人士则对中小板、创业板解禁可能触发的市场变化感到特别担忧，他们甚至提醒投资者关注当年美国网络泡沫是如何破灭的。
据统计，2000年1月，美国网络股解禁市值达到了历史峰值700亿美元。相比2000年网络股的市值1.2万亿美元，2000年1月份融资加解禁占市值比为6.6％。1999年12月到2000年3月累计解禁市值超过了2000亿美元，占流通市值的比例达到16％，融资加解禁占流通市值的比例为20％。在大规模的股票供给之下，网络股在2000年3月开始大幅下跌，最后不少公司倒闭。
部分人士认为，大量限售股解禁带来的冲击使其雪上加霜。有分析师认为，大规模的限售股解禁和大量的IPO、再融资，即是泡沫破灭的诱因之一。
不过，关于美国网络泡沫破灭的原因至今仍有争议，网络、科技公司的业绩也正巧在那个期间遭遇了冬天。而“买股票就是买公司的业绩”，美国科技网络股股价的暴跌是遭受了业绩下滑和解禁潮的双重冲击。一个鲜活的事实是，微软、英特尔、思科却从科网股泡沫破灭中一路走来，并成长为美国市值排名靠前的几大公司。
对应到国内创业板和中小板，网下配售和限售股解禁会给市场带来一定压力，会加速中小板、创业板股票的价值回归速度，能起到熨平市场合理估值的作用，这对中小板、创业板以及整个市场的发展具有积极意义。
据统计，目前A股市场估值层级分化严重：若扣除2009年净利润排名前100名的上市公司，剩下的近1700家上市公司2009年静态市盈率在40倍以上。而大规模限售股解禁，可能不仅仅会使中小板、创业板股票价格下降，更可能会对整个A股市场中普遍高估值的中小市值股票价格都有一个向下的拉动。”
从另一方面看，虽然对即将到来的大规模、集中的限售股解禁可能带来的负面作用不可小觑，但也不要过分恐慌。东莞证券分析师指出，从历史经验看，限售股解禁之后，遭遇原股东套现并不鲜见，股价在一段时间内下跌概率也较大。但对于一些可持续高成长的个股，解禁日附近股价出现下挫反而给投资者提供了介入良机。
一些基金经理也表示，对基金而言，看好的个股如果在限售股解禁后短期价格下跌，可能反而是个利好。“解禁肯定会影响一些个股的短期股价走势，但就长期看好的股票而言，解禁反而可能提供低成本买人的机会。而且解禁往往意味着股票的流动性会增加，这对基金来说，其实是利好。”深圳一位基金经理表示。
因此，让“暴风雨来得更猛些吧”，反而是一些投资者的期待。关键在于，对于股票要精挑细选，对于已经大幅拉升的股票、50倍以上市盈率、百元以上的高价股、成长性受限制的公司要回避，而对估值合理且具有高成长性的中小盘股的介入时机也要有所选择，在解禁潮前后，最好先退出观望。
民企高管趁高套现意愿强
张学庆
如果上市公司高管都抛股的话，那对投资人的长期持股是不利的。因为在判断一个公司的投资价值时，高管的能力，以及团队的持股意向都会作为一个重要的研判标准。
进入8月，民企上市公司大股东或高管掀起了一股减持潮或离职潮。这些民企主要集中在深市中小板和创业板上市。深交所数据显示，截至8月11日，33家中小板企业的董事、监事、高级管理人员及相关人员合计减持股份总量为2461万股，套现超过3亿元。仅5家企业股东进行5笔增持交易，合计增持只有2.18万股。
数据显示，8月的减持规模就已远远超过7月份全月减持总量。据统计，7月份中小板公司共发生63笔减持交易，成交数量为628.3万股，套现金额为1.22亿元。也就是说，中小板公司股东或高管及亲属8月上旬减持量是7月全月的3倍多，套现金额是其2倍多。
为何辞职
与此同时，创业板上市至今近10个月，但今年以来已有33名高管辞职，涉及24家公司。在具体身份上，董事8名、监事7名，独立董事8名，副总裁、副总经理等5名，董秘4名，核心技术人员1名。这些高管多因“个人原因”辞职，并不是其任期到期需要辞职。
分析人士表示，辞职很可能是为日后减持其股份作准备。这在中小板上市公司中早有先例。广宇集团曾有多名高管为早日套现相继选择离职。在广宇集团上市不到半年，广宇集团董事、总裁阮志毅及监事裘红梅和董事吴强辞职，3人分别持有的774.18万股、48386万股、395.89万股获得流通权。更早以前，广宇集团另4名高管柳峻峰、王伟强、应锡林、袁红珊也为套现选择辞职，4人分别持有391.49万股、747.79万股、48386万股、470.67万股。公司高管为减持离职，被上证报批评为“职业精神缺失和商业伦理道德沦丧”。现在创业板出现的离职潮或许是在复制“离职套现”模式。
套现不利投资者
目前在创业板上市的企业主要以民营企业或私人企业为主，上市公司的高管基本上都持有原始股。由于这些原始股的成本非常低廉，一旦以目前的高市价套现，就可一夜暴富。然而，根据目前的规定，原始股均属于限售股范畴，限售股需要在新股上市后锁定一年才能解禁。
另外，根据《公司法》的规定，上市公司高管在任职期间每年转让的股票，不得超过其所持有本公司股票总数的25％。这就大大地制约了高管们套现的进程。于是，为了早日套现股票，高管们想出了“辞职套现”的高招。根据深交所的规定，上市公司高管离任满半年之后，其所持股份解禁50％；在离任后的18个月期满，其所持股份全部解禁。由于目前创业板上市公司普遍具有“三高”(高估值、高股价、高募集资金)，所以对于上市公司高管来说，选择“辞职套现”就能早日将自己的纸上富贵转化为真金白银。
分析人士认为，如果上市公司高管都抛股的话，那对投资人的长期持股是不利的。因为在研判一个公司的投资价值时，高管的能力，以及团队的持股意向都会作为一个重要的研判标准。如果高管纷纷减持，那投资者就要重新审视公司的投资价值。
减持毫不手软
在近期减持潮中，几家公司大股东的大手笔减持令市场惊叹。
今年4月20日，是沃尔核材原始股东们限售股的解禁日。这家总股本163亿股
的中小板上市公司，解禁上市股份数量高达1.2亿股。其中，公司第一大股东、董事长周和平和第二大股东邱丽敏所持股份都进入解禁行列，前者持有公司908184万股，占总股本55.7％；后者持有175689万股，占总股本10.78％。《招股意向书》披露，邱丽敏是周和平的配偶。
根据公告，4月28日，邱丽敏率先通过深交所大宗交易系统出售了700万股，套现约1.5亿元。4月30日，董事长周和平的兄弟周合理减持9.5万股，套现约195万元；5月6日，周和平的另一名兄弟周文河套现近600万元。5月24日、26日两天，周合理又分两次抛售55.68万股，两次套现1151.21万元。
进入8月，减持继续进行。沃尔核材董事康树峰8月2日减持12万股，3日再抛6万股，共套现280万元；同日，公司副董事长陈莉减持11.25万股，套现约180万元，周文河减持200万股，董事长周和平也开始抛股，一举减持1000万股，当天套现高达1.46亿元，堪称中小板董事长减持之冠。8月12日，公司两名监事也加入减持行列，各套现数百万元。周和平等表示，未来12个月有可能继续减持。
7月30日，远光软件公布半年报，上半年净利同比大增3倍。8月3日公司发布公告，自今年1月8日至8月2日，大股东荣光科技和董事长陈利浩通过深交所交易系统合计减持所持公司股份246.33万股，占公司总股本的1.01％，交易均价为24.07元／股。而自2009年8月25日以来，陈利浩多次频繁减持股份，总共套现超过1.9亿元。
另两家在中小板上市刚满一年的桂林三金、万马电缆分别在8月3日至8月5日期间出现了7起减持行为，其中桂林三金减持2起，减持数量为1.68万股，套现金额为43.44万元，减持方为董事、董秘韦葵葵；万马电缆减持5起，减持数量为86万股，套现金额126116万元，减持方为董事潘水苗、总经理顾春序、副总经理刘焕新和监事顾明。这5名高管所减持的股份，均来自7月12日这两只解禁上市首发原股东限售股。
减持后市场有调整
高管抛售所持股份对市场预示什么?中金公司8月10日发布的研究报告认为，自2006年12月至今，一共发生过8次高管单周平均净卖出金额超过1亿元的情况，分析结果显示，无论市场牛熊，若公司高管净减持股票单周超过1亿元，市场或短期内有所调整，或预示中长期见顶；若公司高管减持行为形成“群体”效应，即连续几周都有净减持股票超过1亿元，可以推测产业资本对于市场中长期增长前景并不乐观，股票价格上涨将会非常有压力。
数据显示，8月以来，股市呈现小幅调整态势，截至8月26日，上证综指下跌129％。
市场动态
银华成长基金发行
银华成长先锋混合型基金于8月26日起正式发行。投资者可通过工行、建行、中行、农行、招行等银行和指定券商以及银华基金网进行认购。
易方达增强两年回报超24％
截至8月20日，易方达增强回报债券A、B级基金两年来收益率已分别达到25.11％和24.05％。该基金A、B级在最近一年分别以14.27％和13.81％的收益率位居冠亚军。在两年以来全部普通债券型基金中，增强回报的排名依然位居前五之内。好业绩主要源于基金经理对大类资产配置的前瞻性把握相对准确得当。
嘉实恒生国企指基将发行
国内首只定位H股的基金——嘉实恒生中国企业指数基金将发行。其面世后，将为内地个人投资者投资H股开辟新通道。恒生国企指数成份股为市值最大的恒生综合指数成份股内的40只H股股票。
华夏基金开征金玉良言
华夏基金官网近期开通了“华夏基金网上交易有奖征集合理化建议”活动。这一名为“你提意见我送礼”的征集合理化建议活动，自8月16日起持续至10月15日。华夏基金此项活动将面向现有的网上交易用户，征集对网上交易系统的改进建议。
招商五地增设营业部
近日，招商证券太原、长春、铜陵、漳州和玉林5家营业部于8月23日同期开业。至此招商证券经纪业务在全国38个城市设有证券营业网点的数量达到76家。5地新增营业部将使招商证券经纪业务在原有以珠江三角洲、长江三角洲和环渤海区为中心的网点覆盖基础上，加强了西北、西南、东北等外围地区的网点布局。
资金继续寻求避险
姚舜
美国疲弱的经济数据令投资人再失信心，资金继续到债市寻求避险。
美国经济复苏延缓
美国7月份二手房销售大幅下滑272％，跌到15年来的低点。产生这种情况的原因是，美国政府给予首次购置房屋的税收优惠已于4月结束。失去了政府的支持，房地产市场似乎立即失去了动力。
房地产市场是美国经济的重要风向标。评级机构穆迪的经济师指出，7月份二手房销售创下本次楼市周期的新低，而楼价预计将继续下跌。房产销售弱及楼价跌这两项因素已符合“双底衰退”的定义。尽管政府花钱支撑房地产市场，但只有就业市场改善，房地产市场才有希望。
芝加哥联邦储备银行行长查尔斯·埃文斯也表示，过去半年里，美国经济“二次探底”的风险已经升高。虽然美国经济重新陷入衰退的可能性不太大，但高失业率和房地产市场不稳将导致经济复苏非常脆弱。
美国股市及房地产市场近期的疲弱表现，让更多人开始怀疑美国经济有“二次探底”的风险。
巴克莱资本有关人士也表示，美国与通胀相关的债券市场正发出美国经济复苏延缓的信号。市场预示缓慢复苏步伐不只持续两三年，而是10年、20年，甚至30年。长期通胀预期几乎已变得与短期通胀预期处于同一水平。美联储不可能在短时间内带领美国走出困境。
债市并非安全港湾
美联储继续推行量化宽松政策，使得低息环境持续，资金流入既有避险作用又有利息回报的债市。有市场人士指出，由于对经济及企业盈利有信心，投资者转投更高息率回报但评级较低的高收益企业债，即垃圾债券。
根据美银美林全球企业指数，投资级企债今年至今的回报率为8.4％，高收益债券则是9.3％，而反映环球股市的MSCI全球指数则是下跌的。
不过，摩根士丹利的研究报告指出，国债并非安全的投资。主权债务违约的危机未过，人口老化，加上难以通过提高税收改善财政收入，最终可能导致国债违约。报告指出，虽然已发展国家不会有明显债务违约，但现在的低收益率水平及近乎没有通胀的环境，令国债投资者面对金融不稳时所受到的保障很少。如果再遭遇“双底衰退”，违约危险会更大。届时政府或许会强逼国债投资者接受一些损失，如在较高通胀下，通过货币贬值来降低投资者的实际回报率。
资金青睐巴西股市
环球经济前景不明朗，特别是欧美经济有“双底衰退”的风险，令投资人纷纷离开已发展国家股市，寻找较高回报、较低风险的地方。
汇丰环球有关人士认为，新兴市场增长仍会快于已发展国家。新兴市场内需消费将会是未来20年的投资主题，现在还是起步阶段。
近期最吸引资金的新兴市场是巴西。有英国投资管理公司认为，巴西经济发展迅速，令股市估值仍然偏低，带来投资机遇。目前巴西股市预期市盈率为11.8倍，股息收益率2.8％。从巴西目前有利的人口结构、健全的金融体系、丰富的出口资源来看，强劲的经济增长将可以持续，股市估值因此也显得很便宜。
欧元修正7月升幅
叶耀庭
打开欧元兑美元的月线图，可以看到，欧元在7、8月间走出了7上8下的冲高后回调修正走势。7月份，欧元兑美元从月初的1.22附近，到月底上涨至1.31附近。8月初，利用美国7月非农就业人数连续第二个月疲弱的机会，欧元兑美元进一步冲高，在8月6日见高1.3333后，展开回调修正，至8月24日最低下跌到1.2584，抹去了7月升幅的约61.8％。
股市下挫避险情绪激升
欧元兑美元在6月启动，7月加速的上升趋势，在8月初被终止，并在8月份展开回调修正，主要是全球发达市场的股市在8月份出现了同步的大幅回调，市场风险厌恶情绪由此升温，游资脱离高风险货币的资产，回流美元、日元、瑞郎等传统避险货币资产寻求避险，导致了欧元遭遇多头获利盘的抛压。
美国二季度GDP增幅大幅度下滑，初值仅为2.4％，远低于一季度的3.7％，且因美国6月国际贸易逆差意外上升到2008年10月以来的新高499亿美元，所以预计美国二季度GDP将可能修正到2.0％以下。此外，美国7月成屋和新屋销售年率均创历史最低纪录，预示美国第三季度经济增长仍将疲软。
德国二季度GDP增速虽然创了东西德合并以来的新高，季率增2.2％，年率增4.1％，并带动欧元区整体经济二季度增幅回升至1.0％，但市场担心欧元区成员国削减财政赤字的计划，将拖累下半年的经济增速。
德国央行总裁韦伯最近表示：“保持目前的宽松政策至年底，到2011年初再讨论退出刺激举措的策略，这对欧洲央行是明智的做法。”这种温和的鸽派言论出自一贯在货币政策上持鹰派立场、且在欧洲央行决策过程中具有一定分量的德国央行总裁之口，暗示欧元区经济下半年仍需宽松货币政策的刺激。
正是市场对美国和欧洲经济复苏前景的担忧，造成发达市场股市在8月份普遍回调。
欧债问题风险再度聚焦
除了市场避险情绪升温导致欧元遭遇获利回吐压力外，欧元区一些成员国疲弱的财政困局，使欧洲债务问题的风险有回潮的迹象，也是近期打击欧元多头人气的一个因素。
首先，欧盟和国际货币基金组织将在9月上半月商讨援助希腊的第二笔拨款90亿欧元的事宜，IMF已提出希腊政府应继续加大削减财政赤字的力度。
其次，标准普尔近期调降爱尔兰主权评级至AA-，展望为负面，恐将加大爱尔兰政府解决国内银行业问题的压力，因为爱尔兰政府和银行业未来的融资成本将上升。目前，爱尔兰10年期公债已较德国同期公债利差升至346个基点，为今年5月希腊金融危机以来的最高水平。
再次，西班牙的一些银行仍难以从欧洲金融市场融资，只能通过欧洲央行融资解决短期流动性需求。
进一步回调空间有限
美元指数对上证指数影响的实证研究 篇4
关键词：美元指数,上证指数,协整检验
一、引言
随着后WTO时代的到来, 世界经济一体化程度进一步增强, 各国经济互相渗透, 相互影响的程度越来越大。美国仍然作为世界第一大国, 其经济和政治地位仍然是任何国家都未能撼动, 其美元的基础地位仍然十分稳固, 以美元为中心的一系列资本市场自然高度相关。目前国内众多研究更多的从感性角度及定性来分析美元指数与上证指数的关系。更多地强调谁影响谁, 较少从定量角度展开分析, 缺乏准确度和实践指导性。本文将以2006—2010年间的美元指数和上证指数周线数据作定量分析。来实证分析美元指数对上证指数的影响。首先, 我们来界定两个概念, 即美元指数与上证指数。
1. 美元指数。
美元指数是美元的有效汇率, 它综合反映美元在国际外汇市场的汇率情况的指标, 用来衡量美元对一揽子货币的汇率变化程度。它通过计算美元和对选定的一揽子货币的综合的变化率, 来衡量美元的强弱程度, 此外美元指数还反映了世界经济的变化程度。
2. 上证指数。
上证指数即“上证综合指数” (上海证券综合指数) , 它是上海证券交易所编制的, 以上海证券交易所挂牌上市的全部股票为计算范围。上证综指反映了上海证券交易市场的总体走势。它目前在A股的投资实践中的影响十分重大。
那么美元指数与上证指数是否存在关联性, 是否具有一种稳定的长期关系, 我们从统计数据中予以分析, 试图得出相关的数据和解释。
二、实证分析
自2005年人民币汇率改革以来, 人民币升值步伐在迅速加快, 中美两国经济相关程度进一步提高。这必然要从实体经济传导至资本市场, 那么美元指数究竟在多大程度上影响着上证指数, 下面我们选取2006—2010美元指数和上证指数的周线走势来分析两者的相关性。为了更好地进行计量经济学分析, 分别对美元指数和上证指数进行自然对数处理, 形成新的2006—2010年经过自然对数处理的美元指数数据 (LNMYZS) 和上证指数 (LNSZZS) 数据, 然后画出图1和图2所示的美元指数和上证指数折线图。
从上面两个图中可以很直观看出, LNMYZS与LNSZZS之间有很明显的负相关性, 我们通过统计数据得出两者的相关系数 (见下页表1) :
从统计结果可以看出, 两者相关系数达到-0.69, 已经呈现出很明显的负相关关系, 这说明美元指数对上证指数的影响很明显。我们进一步分析美元指数究竟多大程度上影响着上证指数。首先对取两个变量作单位根检验, 经过检验, 两个变量均为一阶单整序列, 因此可以进一步作协整检验, 通过Eviews5.0统计软件, 得到回归方程:LNSZZS=—4.4116LN-MYZS+27.3012, 对协整方程产生的残差进行平稳性检验, 结果发现, 残差序列在1%的显著性水平下是平稳序列, 因此两变量存在长期的均衡关系。从协整方程中可以看出, 方程与样本观测值拟合较好, Adjusted R-squared为0.474766, F值也非常大, T值也很好的接受检验, 总体线性关系十分显著。
结果表明:美元指数每波动1个百分点, 上证指数将反向波动4.4116个百分点, 也就是说:若美元指数下跌1%, 那么上证指数将上涨4.4116%, 反之亦反。从这个意义角度, 我们可以得出上证指数对美元指数的弹性是非常大的, 因此, 美元指数能够作为一个好的标的来跟踪上证指数, 因此在实践中具有较强的指导意义。通过四年的数据及走势分析, 他们的负相关关系在实践投资中已经广泛呈现出来。
美元指数之所以能在很大程度上影响上证指数, 主要有以下几个方面的原因: (1) 国际市场以美元为中心的定价模式。目前, 世界上包括原油、黄金、铜、农产品等商品期货均采用美元计价。因此, 美元的强弱在一定程度上决定了这些大宗商品的价格走势, 一旦美元大幅贬值, 这些以美元计价的大宗商品将出现大幅上涨, 直接导致到国际市场上商品价格的飙升, 从而引发国内大宗商品价格的上涨。而国内商品包括煤炭、有色金属在上证指数的权重非常之大。因此, 他们将带动整个上证指数的一个价格走势趋向。 (2) 美元指数本质上只是一些货币组合, 货币怎么影响到上证指数, 这个问题本质上就是个货币问题, 从国际货币的角度我们可以看到经济的本质及货币背后的经济问题。 (3) 美元贬值过程中, 资本的逐利性使得国际资本要寻找更加有利的投资渠道, 新兴市场提供了潜在的投资机会。美元贬值使国际资金进行资本流动的同时, 人民币也会成为这股浪潮的受益者 (热钱涌入) 。因此, 一波资金推动的市场行情促使上证指数飙升。
三、结论与建议
最后, 根据实证分析, 本文得出以下几点结论并提出相关的投资建议。
结论: (1) 美元指数每波动1个百分点, 上证指数将反向波动4.4116个百分点, 也就是说:若美元指数下跌1%, 那么上证指数将上涨4.4116%, 反之亦反。 (2) 后WTO时代, 世界经济相互影响进一步增强, 美元指数通过影响世界其他商品期货的价格, 还包括金融衍生品的发展, 使世界资本市场紧密相连, 影响程度已经远远大于WTO时代。 (3) 经过协整检验和投资实践检验, 美元指数与上证指数存在着一种稳定的长期关系。当然两者之间也会经常发生短期背离现象, 但这个短期背离的出现正好引发滞后效应, 反而提供了一个很好的入市契机。
投资建议: (1) 我们可以根据实证分析的结果, 以美元指数作为投资参照标的, 对上证指数进行一个长期的跟踪, 捕捉市场的投资机会, 将风险控制到最低, 获取稳健的收益。 (2) 美元指数对商品期货的影响更为直接, 我们可以利用观测美元指数, 抓住上证指数里面的原油、黄金等板块或替代板块的投资机会。 (3) 由于美元指数对上证指数的影响时滞, 特别是会出现短期背离现象, 因此利用美元指数的趋势的确立, 来捕捉机会和规避风险。例如, 假设美元指数出现中期上涨趋势, 这时就必须放弃上证指数的操作。因为, 从中期来看, 上证指数的收益率将为负值。
参考文献
[1]曲春清.金融计量学实验[M].大连:东北财经大学出版社, 2008.
[2]张晓峒.计量经济学软件Eviews使用指南[M].天津:南开大学出版社, 2004.
[3]美元指数[EB/OL].百度百科, http://baike.baidu.com/view/725538.htm.
[4]上证指数[EB/OL].百度百科, http://baike.baidu.com/view/157256.htm#2.
[5]倪克勤, 倪庆东.人民币汇率、美元指数变动对上市公司的复合冲击——基于深市行业数据的分析[J].西南金融, 2010, (3) .
上证指数 篇5
据了解，上述2条指数的基日均为2003年12月31日，基点均为1000点。
根据编制方案，上证100指数以上证380指数为样本空间，选择营业收入增长率和净资产收益率综合排名靠前的100只股票作为指数样本，以突出反映新兴蓝筹类股票的成长特征。
上证150指数以上海股票市场中剔除上证180、上证380指数成份股后剩余符合条件的股票作为样本空间，选择营业收入增长率、换手率综合排名前150名的股票作为指数样本，以集中反映潜力蓝筹板块内股票交易活跃、发展速度快的特征。
最新数据显示，上证100指数、上证150指数的总市值分别为7976亿元和4579亿元。历史数据显示，2004年至2011年上证100指数和上证150指数年化涨幅分别为17.12％和14.27％。
上证指数短期预测的数学模型 篇6
股票市场在我国日渐繁荣,逐渐成为证券业乃至金融业的重要组成部分。股市综合指数、股票价格的预测一直是学术界的一个焦点备受研究者关注,同时股票市场的高额回报也促使了股票市场预测的发展[1,2,3]。在传统的预测研究中,时间序列分析例如ARIMA,ARCH/GARCH[4,5],而股票市场是一个复杂的非线性动力系统[6],市场的行为受到很多因素的交互影响,具有很强的非线性和时变性的特征,而时间序列是基于统计学理论的,很难揭示股票的内在规律。本文提出一种基于粗糙集-神经网络相结合股票预测模型。
2 粗糙集与神经网络
粗糙集(Rough Set,RS)理论是波兰数学家Pawlak于1982年提出的一种处理模糊性与不确定性数据分析方法,在处理大量数据,消除冗余信息方面都有良好的效果[7]。粗糙集理论是基于不可分辨性的思想和知识简化的方法,能有效地分析不精确、不一致、不完整等各种不完备的信息,还可以模拟人类的抽象逻辑思维对数据进行分析和推理,从中发现隐含的知识,揭示潜在的规律。
人工神经网络(Artificial Natural Network,ANN)的研究,可追溯到1957年Rosenblatt提出的感知模型(Perception)[8],是对人脑若干基本特征的抽象和模拟,利用非线性映射的思想和并行处理的方法,通过自学功能、联想存储功能高速寻找优化解。
神经网络一般不能处理具有语义形式的输入,粗集理论可以输入定性、定量、或者混合性信息。神经网络可以实现无导师聚类学习,但不能确定哪些知识是冗余的,哪些知识是有用的。本文首先采用粗糙集相结合的属性约简算法对决策表属性进行归约,去掉冗余的属性,并得到决策规则。然后利用模糊神经网络相结合的技术对现存的人工神经网络算法进行改进和优化。选择合适的神经网络输入层、隐含层和输出层,使决策输出结果有较高的精度和可信度。
3 建立短期预测模型
首先建立了对股市有影响的因子库;然后,用粗糙集方法对信息进行预处理,即把粗糙集作为前置处理系统,再根据处理后的信息结构,构成粗糙集-神经网络信息处理系统。具体步骤为:第一,对训练数据样本离散化;第二,根据需要,采用属性约简方法删除冗余的属性;第三,确定神经网络的结构,选择训练参数,进行训练,获得连接权值;第四,存储连接权,形成预测知识库。
3.1 影响上证指数的因素
股票市场受政治、经济、社会、政策、心理等多种因素影响,中国经济处在转型压力期,通货膨胀、经济减速和企业盈利能力下滑,影响中国股市的因素有次贷危机、CPI上升、央行升息、提高准备金率、限售股解禁、再融资压力、印花税、基金减仓、宏观政策趋紧等诸多因素。
3.2 选择决策信息
粗糙集理论基于对数据的近似处理以及对数据中不必要信息的约简,根据有关专家的分析及相关文献研究成果,表1为本文所构造的决策表的条件属性。并选取2007年6月19日到2008年6月20日共255天的实际数据进行因素重要度分析(图1)。然后数据进行模糊分区处理,形成上证指数和影响上证指数的约简矩阵。
通过以上对不同指定条件因素的设置,根据粗糙集数据挖掘软件的运行结果可以确定CPI指标、准备金率、交易量、宏观调控是提高对上证指数最重要的因素。这些因素也得到了验证,如表1。
3.3 系统设计与实现
3.3.1 网络结构
模糊神经网络的结构(图2)可以分为输入层,用向量d=(x1,x2,…,xd)表示,隐藏层用用向量m=(h1,h2,…,hm)表示,根据logistic激活函数得到输出层u=(y1,y2,…,yc)用表示,因为g'(a)=exp(a)/(1+exp(a),所以输出层用函数。
3.3.2 网络训练算法
误差函数,学习过程可以用如下函数表示：
3.3.3 训练结构和评价
粗糙集处理后的网络训练样本为255个,输入节点数255个,隐含层数1个,输出节点数21个,将已简化后的BP网络中相应的指标值分别送入BP网络中训练。按上述网络结构,把两次简约后的数据信息表输入到神经网络中训练,训练时间为5分20秒,训练次数895/50000,经训练后的最大误差为30.485,平均误差为13.938。
3.3.4 模型预测
我们以2008年6月22日—2008年7月18日的上证指数进行预测,该模型的实际输出与期望输出误差不大,预测结果与实际情况较为吻合(图3),并且结论直观。
4 结语
本文将神经网络与粗糙集理论相结合,建立了基于粗糙集人工神经网络的上证指数的短期预测模型,并对2008年6月22日-2008年7月18日了实证验证,得出了较理想的评价结果。基于粗糙集神经网络的上证指数模型,由于其评价速度快、精度高,所采用技术的智能化、科学化能力强,为股市决策提供了新的思路和方法。
摘要：本文通过对上证指数K-线图、准备金率、CPI、宏观政策等进行分析,得到一些对上证指数有影响的因子,利用人工神经网络与粗糙集理论的优势,先采用粗糙集对数据进行处理,然后利用人工神经网络构造出上证指数短期预测模型,并以此模型进行分析,最后应用于股票市场,在股票的交易中取得了很好的效果。
关键词：神经网络,粗糙集,上证指数股票预测
参考文献
[1]EugeneF,Fama,Market Efficiency,Long-Term Returns and Behavioral Finance.[J],1998,49.
[2]Jiangjiao Duan,A prediction algorithm for time series based on adaptive model selection[J],Expert Systems with Applications 2008,8.
[3]Philip M.Tsang,Design and implementation of NN5 for Hong Kong stock price forecasting,[J],2007,453.
[4]Chermozhukov V,Aspects of Model ad Estimation[J],Empirical Economies 2001,26.
[5]王振龙.时间序列分析[M],北京中国统计出版社,2000
[6]M.H.Ghiassi,A dynamic artificaial netural network model for forecasting series events,[J],Forecast.21,2005.
[7]胡纯.粗糙集理论及其在知识发现中的运用[Z].首都师范大学,2006.
[8]P.H.Franses,On forecasting exchange using neural network.[J] Appl.Financial Econ.8,1998.
上证指数收益率序列研究 篇7
1 单位根检验
由于自相关函数图检验时间序列平稳性的缺陷,所以需要引入时间序列平稳性的正式检验方法——单位根检验法。进行ADF单位根检验之前,需要确定检验回归模型的形式,根据YSSE的曲线图,显然序列不含截距项也不含时间趋势,序列围绕零值波动。因此,应当使用不含截距项不含时间趋势项的检验回归模型对YSSE进行ADF检验。选择Akaike into Criterion准则确定检验的滞后期。
原假设是YSSE序列具有一个单位根,即YSSE原序列为一个非平稳序列。YSSE单位根检验结果表示基于AIC准则自动选取14期滞后。此处的T值绝对值均大于1%、5%、10%水平下的绝对值,所以应当拒绝原假设,即原序列不具有单位根,是平稳序列。而Prob为0.0000,表示有0%的把握接受原假设,即原序列不具有单位根,是平稳序列。
2 ARCH模型的估计
我们对收益率序列YSSE建立一个AR自回归模型,具体均值方程表达式如下:
YSSEt=C+βYSSEt(-14)+εt
设定上述模型的理由是:一般金融资产收益率方面的研究表明,股票收益率序列服从AR(P)自回归模型,因此本文建立收益率序列对自身滞后项回归的AR模型,同时参考前面的研究结果,最终建立P=14的AR模型。
本文建立的AR自回归模型中的回归因子YSSE(-14)相应的概率P值为0.4675,表明该模型有一定缺陷。根据ARCH模型估计结果,具体回归等式可以写为:
YSSEt=C-0.015YSSEt(-14)+εt
ARCH效应图示检验的步骤是,首先提取均值方程回归的残差序列,然后绘制该残差序列的时序图,最后根据时序图呈现的“集群现象”判断是否存在ARCH效应。
观察YSSE残差序列时序图可以发现:大波动集群部分中开始的大波动后面紧跟的是较大的波动,显示出残差方差序列波动加大;而小波动集群部分中残差序列一个小的波动后面就是一个小的波动,显示出方差序列波动较小。因此本模型中的收益率序列很可能存在ARCH序列。
3 GARCH模型的估计
在完成ARCH效应检验的基础上,构建GARCH模型拟合上证指数收益率序列。
由于本文前面已经发现了上证指数收益率序列存在ARCH效应,因此单一的AR模型或者ARMA模型不能有效拟合上证指数收益率序列的“集聚效应”,需要建立GARCH模型。建立的模型如下所示。
GARCH模型:
GARCH模型估计结果主要分为4个部分。
第一部分是对GARCH模型估计的基本说明,包含估计方法(采用最大似然估计方法和Marquardt算法)、估计日期、样本范围(1/25/2006～10/09/2015)、迭代收敛的次数(本文1 1次迭代后收敛)、模型中方差方程的表达式等。
第二部分是GARCH模型中均值方程的估计结果。可以看出均值方程中共有两个自变量,且两个自变量的估计值、标准差、显著性概率P值都可以得到。通过观察显著性概率P值可以得到,常数项在5%的显著性水平下显著,而YSSE(-14)不显著。
第三部分是GARCH模型中方差方程的估计结果。方差方程中主要有3个解释变量:常数项C、残差平方项即ARCH项RESID(-1)^2、方差项即GARCH项。通过观察ARCH项和GARCH项的显著性P值,可以判断两个变量都在1%的显著水平下显著,因此认为上证指数收益率序列存在明显的ARCH效应,即残差方差可以通过一个ARMA模型拟合。
第四部分是GARCH的一些统计量。
本文估计的GARCH模型的均值方程和方差方程表达式如下:
YSSEt=0.000531+0.018607YSSEt(-14)+εt,ut～N(0,σ2t)σ2t=0.0000184+0.058873u2t-1+0.937037σ2t-1
图1展示了上证指数收益率序列的条件方差图,该图是基于GARCH模型估计结果绘制的。通过观察收益率序列的条件方差图,可以发现上证指数收益率的波动表现出一定的持久性特征,而不是残差序列频繁的跳跃式波动。2006年期间上证指数收益率的波动维持低位水平,表明此段时间中国A股风险水平较低;而从2007年初开始上证指数收益率波动率开始迅速上升,其中2008年的波动率达到了高峰,表明此段时间中国A股投资风险很大,事实上此段时间内A股指数经历了从3000点到5500点再到1700点的巨幅波动;2009年波动率逐渐减小;从2010年初到2014年上半年波动率维持低位水平,此段时间中国A股风险水平很低;从2014年中到2015年下半年,上证指数经历了从2000点上涨到5200点又跌到2900点的波动,这段时间投资A股的风险极大,超过了2008年的水平。可见基于GARCH模型计算的因变量条件方差序列能够很好地描述因变量的波动性。
摘要：条件异方差模型ARCH旨在对因变量的方差进行描述并预测。其中,被解释变量的方差设定依赖于因变量的过去值或者依赖于一些独立的外生变量。本文基于GARCH模型计算的金融资产波动率为衡量投资者持有资产的风险提供了有力的帮助。
关键词：单位根检验,ARCH模型,GARCH模型
参考文献
[1]梁福涛.上证50指数收益率特征及其波动性分析[J].商业研究,2006(17).
[2]孙邦勇,李亚琼.ARCH族模型对沪市行业指数收益率的实证研究[J].经济数学,2007(04).
[3]杨二鹏,张德生,李文静.基于GARCH模型的沪深300指数收益率统计预测研究[J].长江大学学报(自然科学版)理工卷,2010(01).
[4]刘璐,张倩.亚洲地区股票指数收益率的波动性研究——基于GARCH族模型[J].区域金融研究,2011(01).
[5]尹余芳.沪深指数收益率波动率的ARCH族模型拟合研究[J].行政事业资产与财务,2012(02).
[6]冷军.沪深股市指数收益率波动性的实证分析[J].统计与决策,2012(11).
上证规模指数交叉相关性分析 篇8
传统投资组合理论指导,为分散非系统性风险一般选择相关性小的资产构造风险资产组合,且基于有效市场假说(EMH)采用简单线性范式。但越来越多的研究表明, 市场的波动具有复杂性,非简单线性及正态分布所能解释。分形市场假说对EMH提出质疑,多重分形能够通过具有时变性的参数来刻画金融时间序列的局部特征,更真实描述系统复杂统计特点,弥补传统方法不足。
二、相关文献综述
国内外学者对于相关性的研究,传统运用格兰杰检验,动态条件模型,Copula模型等。Shun-Jen等通过面板数据对OECD国家进行了格兰杰因果分析发现金融发展与经济增长的因果关系方向对金融发展变量十分敏感。 周璞等对中国大陆股票市场与世界主要股票市场采用线性和非线性格兰杰因果检验,发现大陆市场和其他主要股票市场之间存在非线性信息溢出效应。
以上分析基于简单线性范式,并没有考虑在复杂金融市场中非平稳时间序列广泛存在的幂律关系。随着分形理论的发展,周炜星结合MF-DFA方法和DCCA分析方法,发展出了MF-X-DFA方法,用于分析两个非平稳时间序列间的交叉相关性及多重分形特征。
综合已有文献,大部分研究集中在股票、期货商品、 外汇市场等价格、指数的相关性分析,并没有对某一具体市场规模风格的相关分析还是空白。多重分形分析的方法中,对于局部趋势函数拟合阶数的选择确定没有提供充分理由及没有考虑拟合函数的不连续性所带来的影响。由此,本文运用MF-X-DFA方法,并基于滑动窗口思想优化方法精度,分析我国上证市场,超大盘、中盘、小盘指数间的交叉相关性,多重分形特征,以期对投资者和机构构建投资组合选择提出现实指导意义。
三、基于滑动窗口的多重分形降趋势交叉相关性分析法
传统的多重分形降趋势交叉相关性分析法可参考相关论文,根据许林等关于MF-DFA方法的研究发现,在这样的分割区间上局部趋势函数拟合多项式不连续,可能引入新的伪波动误差,使波动函数产生偏差,且为了不丢失尾部数据,从尾部又开始了分割过程,把原始序列的顺序倒置,若序列表现出相关多重分形,则会影响分析结果,而通过引入滑动窗口技术可减少MF-DFA产生上述的误差。 基于上述思想, 本文将滑动窗口引入到MF-X-DFA中。通过取滑动步长k为1,每次将固定长度s的窗口移动1个步长,从而产生连续重叠的子序列,这样使得子序列的个数急剧增加。本文中,拟合多项式子序列长度其中j为拟合多项式阶数。
四、实证研究与结果分析
1、数据来源与统计描述
本文采用上海证券交易所上证超大盘指数,上证中盘指数,上证小盘指数作为不同规模指数的量化指标。各指数数据来源于同花顺数据库,选取数据的时间跨度为2011.9.1至2015.12.31。选用上述三个指标的理由:一是指标名称意义明确,从编制方法上可知分别代表上证市场中不同市值规模公司的整体状况。二是沪市股票更具代表性,深市以中小板创业板具多。
绝大部分文献的研究都是基于收益率。由各规模指数收益率序列描述性统计,三个规模指数收益率方差大小相近并没有显著的差异,小盘股收益率方差略大于中盘股与大盘股,相应收益率均值也略高于大中盘股。三个收益率序列偏度均不为0,峰度均不为3且较明显偏离3,说明两个序列都明显的尖峰厚尾分布的特征,JB统计量在1%的显著性水平下拒绝服从正态分布的原假设,说明收益率序列不能用简单正态分布描述。通过绘制出各指数价格序列分别在日、周、月时间标度下的走势图,可知各指数在不同时间标度下收盘价序列具有相似走势, 即规模指数收盘价序列具有一定的分形特征。由分形理论、收盘价波动与时间标度无关,具有一定分形性,则证券市场并不是完全有效地。所以本文运用非线性系统分形理论对股市规模指数进行分形特征分析及交叉相关性分析是合适的。
2、基于滑动窗口的多重特征分析
基于以上提到的方法,当{x(k)}={y(k)},k=1,2,3…N时,MF-X-DFA方法就退化为MF-DFA方法,这样就相当于对序列进行了自相关性多重分形特征分析,本小节同样运用基于滑动窗口思想的MF-DFA,对各规模指数序列进行多重分形考察。其中趋势函数的多项式拟合阶数j定为2阶,相应子序列长度波动函数阶数4为q[-10,10]。
由计算结果,可以得出以下结论。
(1)当q=-10到q=10时,各规模指数广义hurst指数均呈现明显的递减趋势,因此三项指数的广义hurst指数显然不是常数,即各指数存在明显的多重分形特征,仅用单重分形对指数局部行为无法精确描述。
(2)超大盘,中盘,小盘指数的h(2)值分别为0.548354, 0.510959,0.519977均大于0.5,即各规模指数的走势波动存在长记忆性,也就是说各规模指数的价格与过去相关,并不服从随机游走。
(3)由广义hurst指数跨度,奇异性强度函数宽度可以看到不管从广义hurst指数跨度,奇异性宽度及曲线的敞口宽度,都说明了超大盘,中盘,小盘指数的多重分形强度依次减弱。一般情况下,当市场多重分形强度越强,市场有效性越弱,即此时风险越大。也就是说在构建投资组合时, 投资者或机构应该按照自己的风险承受能力选择大盘股, 对于一些承受能力低的散户应该放眼于小盘股投资组合。
3、基于滑动窗口的交叉相关性分析
由上一小节的讨论可知,各规模指数存在明显的多重分形特征,基于上文提到的MF-X-DFA方法,本小节运用基于滑动窗口改进的MF-X-DFA方法检验各规模指数间是否存在多重分形的非线性依赖关系,并由相关的指标分析各规模指数间有着怎么的记忆特征与相互影响关系。对各指数间交叉相关性分析分别运用普通及滑动窗口改进的MF-X-DFA方法。
由改进的MF-X-DFA方法可以得出以下几点结论。
(1)不管是普通还是基于滑窗MF-X-DFA分析方法, 在不同局部趋势函数拟合阶数下,广义hurst指数h(q)都随着q的增大而递减,h(q)明显不是常数,h(q)与q可能是非线性关系。表明中盘与小盘指数收益率序列的交叉相关性存在显明的多重分形特征,传统的线性角度单重分形来描述两收益率之间的关系不合适。
(2)对于不同的趋势函数拟合阶数,当j>1时,滑窗MF-X-DFA计算的广义hurst指数跨度△hxy(q)都比普通MF-X-DFA分析所得的要小,即在高于1阶的情况下,滑窗方法能够有效减少局部趋势拟合函数在分割点处不连续而造成的伪波误差,避免为充分利序列尾部数据重复分割过程而引起分析误差,因此滑窗方法具有更好的精度。
(3)当q=2时,由普通方法计算的hurst指数hxy(2)在不同j值的情况下均小于0.5,即由普通方法分析认为上证中小盘收益序列交叉相关性呈反持久性具有较强波动性。而由滑窗方法计算的hxy(2)均大于0.5,认为中小盘收益率序列交叉相关性存在长程记忆效应。由(2)可知滑窗方法具有更高精度,避免了普通方法对序列交叉相关性长程关系的误判。
(4)当q<=2,为较大负值时,不管是滑动窗口还是普通MF-X-DFA方法,hxy(2)均大于0.5,可知上证中盘指数收率与上证小盘指数收益率的交叉相关性在小波动下情况下存在长期记忆效应,即小波动下。中(小)盘指数收益率会受到小(中)盘指数收益率历史价格波动长期影响,表现为一个市场的小幅上涨后,另一个市场也会小幅上涨。
(5)同理对应于大中盘,大小盘收益率交叉相关性广义husrt指数也有类似的结论,不同是的对大中盘,大小盘收益率序列的hurst指数hxy(2),普通方法与滑动窗口方法对交叉相关性长程关系的判断一致。
五、结论
本文首次运用滑动窗口思想改进MF-X-DFA方法, 以上证超大盘、中盘、小盘指数为样本,实证检验了我国股市场不同规模指数间交叉相关性的多重分形特征。
实证结果如下:一是滑动窗口改进的MF-X-DFA方法具有更高的精度,可有效减少传统方法因序列分割造成的伪波动误差和一定程度上避免关系的误判。二是各规模指数自身存在多重分形特征,且存在不同程度长期记忆效应,小盘规模指数是低风险承受能力者更好的选择。三是各规模指数间存在多重分形交叉相关性,由滑动窗口技术计算下发现各指数间相关性存在正的长期记忆效应,因而在量化规模风格指数投资组合时,不宜单独量化,需根据相关性考虑一个指数的波动对其它的影响。四是大盘指数与其它规模指数间的关系较中小盘间关系更为复杂,投资于含有大盘股组合的风险可能会更大,而作为投资参考, 中小盘的相关性更为稳定。
摘要：以上证超大盘、中盘、小盘指数为研究样本,通过滑动窗口改进的MF-X-DFA分析不同规模指数间的交叉相关性。结果表明:滑窗改进方法可以有效减少传统方法局部趋势函数不连续造成的伪波动误差,避免关系的误判;各规模指数之间相关性存在多重分形特征且有长期记忆效应,大盘与它盘指数分形相关性复杂,中小盘间关系较规律。实证结果对投资者和机构构建投资组合选择具有现实意义。
关键词：规模指数,多重分形,MF-X-DFA,滑动窗口,交叉相关性
参考文献
[1]黄健柏、程慧、郭尧琦、邵留国:金属期货量价关系的多重分形特征研究——基于MF-DCCA方法[J].管理评论,2013(4).
[2]汪冬华、索园园:我国沪深300股指期货和现货市场的交叉相关性及其风险[J].系统工程理论与实践,2014(3).
上证指数 篇9
一、本文用到的理论基础
(一) Hodrick-prescott滤波
在宏观经济中, 人们更加关心趋势。HP滤波是一种被广泛使用的办法, 我们简要介绍下这个方法的基本原理。
设{Yt}是包含趋势成分和波动成分的经济时间序列, {YtT}是其中含有的趋势成分, {YtC}是其中含有的波动成分。则:Yt=YtT+Ytc, t=1, 2, …, T
计算HP滤波就是从Yt中将YtT分离出来。一般地, 时间序列{Yt}中的不可观测部分趋势{YtT}常被定义为下面最小化问题的解:
式中:c (L) 是延迟算子多项式。
将上式带入最小化问题求解, 则HP滤波就是使下面损失函数最小, 即:
最小化问题用[c (L) YtT]2来调整趋势增量的变化, 并随着λ的增大而减小。HP滤波依赖于参数λ, 该参数需要先验地给定。这里存在一个权衡问题, 要在趋势要素对实际序列的跟踪程度和趋势光滑程度之间作一个选择。随着值的增加, 估计的趋势越光滑。当λ趋于无穷大时, 估计的趋势将接近线性函数。一般经验, 本文的月度数据取14400较好。HP滤波的运用比较灵活, 它不像阶段平均法那样依赖对经济周期波峰和波谷的确定。HP滤波把经济周期看成是宏观经济对某一缓慢变动路径的一种偏离, 该路径在期间内是单调增长的, 所以称为趋势。HP滤波增大了经济周期的频率, 使周期波动减弱。
(二) 指数平滑法
指数平滑法有很多分类, 分别包括单指数平滑法, 双指数平滑法, Holt-Winters (乘法模型, 加法模型, 无季节性模型) 。单指数平滑法是指数平滑法的基础, 所以在此简单介绍下单指数平滑法。
单指数平滑法适用于序列值在一个常数均值上下随机波动、无趋势及季节要素的情况。时间序列的平滑序列, 计算公式如下:
式中:, α为平滑因子, α越小, 越平缓。重复迭代, 可得到:
由此可知为什么这种方法叫做指数平滑, 预测值是yt过去值的加权平均, 而权数被定义为以时间为指数的形式。单指数平滑的预测对所有未来的预测值都是常数, 这个常数为 (对所有的k>0) , T是时间序列的最终点。
二、实证部分
为了预测上证指数, 首先要搜集上证指数的时间序列数据, 本文的数据均来自RESSET金融研究数据库。数据是由2013年6月28日至2016年4月1日的上证指数收盘价的月度数据。处理数据的软件使用Eviews7.2进行。
1.运用HP滤波对数据进行处理。因为是月度数据, 所以依据经验法则, λ=14400, 得出结果如下:
从图中可以看出, trend即趋势线基本上是线性向上的, cycle即波动线在2014年末2015年初波动很明显, 在2016年初也波动很明显。但是在2013年6月至2016年4月, 总体的趋势是波动中向上增长。并且用原始数据得到了趋势值和波动值作为数据存储在Eviews中。
2.对2016年下半年的上证指数收盘价进行预测。第一, 进行未来大体趋势判断。HP滤波将原始数据分解出趋势数据和波动数据, 对趋势数据进行扩容, 使之时间跨度2013年6月至2016年4月变成2013年6月至2016年9月, 先用指数平滑法预测趋势数据, 得到:
可以很明显的看出剥离波动影响, 趋势是稳中向上的。
第二, 利用指数平滑法预测接下来几个月的收盘价。和上面一样, 首先在Eviews上, 对样本容量进行扩容, 使之时间跨度2013年6月至2016年9月, α, β, γ的取值由Eview s自动选择, 并且由于是月度数据, 所以cycle for seasonal选择12, 然后对原始数据进行指数平滑法预测。几种类别的指数平滑法都做一遍, 哪个得出的误差和残差平方和最小并且基本趋势向上的就是最合适的预测值。经过预测与比较得到如下结果最恰当:
α机选0.999, 则说明按照这个值做出来会使得误差平方和达到最小, 人为令α设为0.5, 0.6, 0.7, 0.8, 做出来的结果发现确实机选的0.999使误差平方和最小。而α趋于1说明序列趋近于随机游走, 最近的值对估计将来值最有用。所以预测数值选取的时间跨度不能太大, 否则会影响到预测的精度。
经过比较Holt-winters无季节性模型更加适合, 几种指数平滑法的α值都基本接近于1甚至等于1, 符合上证指数收盘价随机运动的性质。其中Holt-wintous乘法模型得出趋势朝下的预测值, 依据我们对HP滤波分离出来的趋势线预测, 应该是稳定向上的趋势, 所以不能用乘法模型来做。单指数模型做出的结果中, 2016年5月到2016年9的4个月收盘价都是同一平均值, 明显不符合实际, 没有指导意义。剩下的加法模型, 无季节模型, 双指数平滑法做出来的趋势都是向上, 而其中无季节模型做出来的结果标准误差和残差平方和最小, 所以选择Holt-wintous无季节模型的结果作为预测值。我们得到的2016年5月至9月的预测值分别如下:
将原始值和预测值放在同一折线图中, 看一下预测效果。
可以看出预测的收盘价平稳缓速上升。
三、结论
第一, HP滤波在做数据时, 分离出趋势线, 并对趋势线未来进行预测, 是一种比较好的预测未来大体趋势的方法, 因为这样规避了波动成分的影响。
第二, 在判断清楚未来趋势走向的情况下, 结合趋势运用指数平滑法对未来的上证指数数据进行预测, 会排除一些未来大体趋势和趋势线相反的指数平滑类别, 在判断哪种指数平滑法更优时, 很有参考价值。
第三, 同时我们也要看出本文的劣势, 因为HP滤波分离出了趋势线和波动线, 我们主要以其中的趋势线作为判断未来走势的重要根据, 而抛弃了波动线的影响其实也是有失偏颇的。因为往往有的时候突发性大事件和巨灾风险等等的冲击也会瞬间改变上证指数的趋势甚至使其上涨下跌趋势逆转。读者观看本文的时候一定要下意识的提醒自己非系统性风险的影响。
第四, 根据月度数据, 未来几个月的上证指数稳中有升, 但是升的幅度有限, 只能说明目前空头多头基本实力相当, 多头有轻微优势, 需要观望一段时间再做决定。
第五, 由于上证指数的数据基本符合随机运动所以每过一个月就要把新的月度数据加进去, 重新用指数平滑法预估趋势, 离现在越近的值对估计将来值越有用。预测数值选取的时间要尽量用到现在的时间点, 否则会影响到预测的精度。如今是2016年6月底了, 可以用最新的5月和6月的数据来验证下我们的预测, 我们观察到2016年5月的上证指数基本维持在2830点左右至2930左右上下波动, 比较稳定, 并且靠近6月的时候缓慢上升, 大体符合我们预测的结果。而到了6月份, 我们也可以看到由6月1日的2913缓慢上涨到6月8日的2927, 但是由于离英国公投时间6月23日越来越近, 由此大事件开始渐渐影响到我国的资本市场, 利空恐慌开始逐渐蔓延, 甚至到了离公投还有一周的时候, 大部分投资者已经开始持资观望, 股票市场交易慢慢冷却, 特别是到了6月23日, 公投结果确定英国脱欧, 上证指数瞬间暴跌, 从前一日的2905点暴跌到2891点, 24日继续暴跌至2854点, 上证指数彻底被重创。这个就是H P滤波分离出的波动线对数据影响过大, 使趋势线出现逆转的情况, 在此时就需要用指数平滑法依据英国公投前后时间的数据进行再预测了。
参考文献
[1]徐华轩.基于HP滤波的股指期货跨期套利模型研究[D].南京大学, 2014.
[2]徐建新, 严勇, 严富海.指数平滑法在典型城市GDP预测中的应用[J].水利科技与经济, 2008, 07:551-554.
上证指数第一阶段下跌将要结束 篇10
很多读者朋友问笔者，为什么会产生如此的暴跌？实际上答案很简单。任何一轮行情的产生，根本的原因是资金和心理预期。前一段时间的暴涨，是因为场外杠杆资金的疯狂入市；同时，各大主流媒体一再渲染“大牛市”的氛围。当资金和股民的心理预期重合上，即产生了暴涨。
而当前是什么情况呢？开户数环比下降、降杠杆、IPO未有停止，而随着指数的暴跌，特别是对“利好消息”的无视，导致股民心中的预期越来越悲观，形成了一个负反馈的恶性循环！
简单点，新增入市的资金少于前期的量（只有像“永动机一样”不断加量才可以），股民心理预期发生了变化，暴跌出现。
技术上看，5178点开始的第一阶段下跌马上结束，预期7月6日开始的一周将会是反弹运行的一周，将会给近乎窒息的股民朋友带来一丝安慰！但正式技术分析前，笔者需要重复老的观点，提醒大家不要太过乐观：将要运行的上升仅是一段反弹，最乐观的是针对5178点下来的B浪反弹，反转不可能，5178点成为2015年度高点的可能很大！
笔者自4月中旬提出6月16日一线可能见顶的观点，其间6月23日的反弹、各种利好消息引起的反弹等均未提出过“第一阶段下跌结束”的观点。一直到了7月2日14：00开始才提出“第一阶段下跌结束，反弹底部初成型”的观点！原因主要如下：
空间上：3800点到3950点一线为强大的空间支撑群，如图一所示，三个重大的历史高低点的黄金分割线位于此处，所以，笔者认为此处能支撑的住第一阶段的下跌。
通过看图一可知：
1、95点到6124点，共上升了6029点，则6029×0.618+95=3820点；
2、1664点到6124点，共上升了4460点，则4460×0.5+1664=3894点；
3、1849点到5178点，共上升了3329点，则3329×0.618+1849=3906点；
上述空间支撑，选取了比较重大的历史高低点进行了计算，正如同笔者每年元旦选取重要高低点时间进行时间计算一样，得出的结果都是比较重要的！同时，上证指数的30周线本周到达了3800点。
所以，笔者认为上证指数于有效低于3800点以下收盘的可能不大，在第一阶段下跌过程当中！
时间上：笔者在元旦时提出了全年最重要的日线时间节点，6月15日、6月16日、6月18日、6月26日均是中阴线报收。如此重要的日线时间，上证指数选择了中阴线报收，说明了整个市场处于一个下降趋势当中。纵观最近的日线时间，则也只有7月6日的时间了，而8月份的日线时间则最重要的在8月3日（待以后再分析）。7月6日的日线时间组序列如下：
2014年12月24日——2015年1月9日——1月27日——3月4日——5月19日——7月6日——8月3日——11月9日——12月7日——2016年第67个交易日！
通过观察可知，2015年的1月9日和1月27日均是小高点的性质，而3月4日和5月19日则是小低点向上的性质。据此可得出两点结论：
1、7月6日的时间节点仅是小级别性质，与上月的6月16日前后的时间节点不可同日而语；
2、其同样也为小级别低点的可能大于小级别高点的可能！
需要注意的是，同组时间序列中的2015年8月3日的时间节点，则是大小周期时间节点的共振。
结构上：笔者之所以面对前期的诸多利好而一直未提出“第一阶段下跌结束”的观点，除了时间未到外，根本原因还在于结构未达到。7月2日下午14：00分，笔者认为结构已经基本成型了！
通过看图二可知：
1，5178点的下跌走了ABC-X-ABC三浪下跌；当然，分时划浪容易错，也可划分成五浪下跌，不去细究，不是读者想呈现的重点，此处只要知道，第一阶段大的下跌浪进行到了尾声即可。
2，给广大读者看的重点是，上述下跌过程当中，截止目前共有4个下跌子浪，2个反弹上升浪。大家可以数下，每个下跌子浪运行时间，其中前三个下跌子浪均运行了10个（11个）小时，而自7月1日午盘（最高4316点）运行的最后一个下跌子浪，截止到7月2日收盘是运行了6个小时，即到了7月3日收盘或7月6日开盘第一小时结束，即运行完了一个直接的时间对称！而这正好与笔者在元旦时计算的2015年7月6日的时间相同。
3，底部结构来看：5178点下跌以来，上证指数在30分钟和60分钟共出现了两次相对低位的背离，6月23日的背离已经被打穿，目前是第二次背离。此与前面的15分钟底部结构相比，大了许多！
综上所列的各种原因，笔者给出结论：上证指数第一阶段下跌将要结束，反弹的底部已经初成，下周整体运行在反弹周期当中！
操作策略上：此处相当简单，对技术分析的结果完全可以不用理会！用操作策略来规避预测的不确定性即可。
深套的，持有等反弹。未介入的，列好止损前提下，低点积极介入。1）到了止损位坚決止损，否则还是不要操作反弹为好。2）列跟进止赢持有，每天上提止赢位！分时低点可以加仓，但加仓后的平均成本要低于加仓后所列的止赢出局位，到了止赢位坚决走人再说，以不亏本金为主！
