1、1毕业论文开题报告数学与应用数学成长型行业证券投资实例分析一、选题的背景与意义计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，被定义为经济理论、统计学和数学三者的结合。在此，运用计量经济学模型对成长型行业证券投资进行结构分析，走势预测，收益与风险的计算，以及股票价值评估，股票技术指标分析等等。二、研究的基本内容与拟解决的主要问题（一）对当前证券投资行业概述，再具体选择食品行业和生物制造业，对其现状分析，在其中选择两家公司，对其资产进行定价，分析其发展状况，收集数据。（二）对几个常用的股市预测模型进行研究、解读21、LOGISTIC回归模型对股价的预测与分
2、析211引言212样本与财务指标的选取213LOGISTIC回归预测模型22、AR（1）及AR（2）预测模型在股市波动中的预测221引言222样本数据223模型的建立224预测误差检验23、ARCH类模型在股市波动中的预测。231引言232ARCH类模型233样本数据及其实验结果分析24、BP算法在股市波动中的预测241引言242BP算法及其结构分析2（三）比较各种模型的优劣，便在这个的基础上，利用计量经济学的思想，创造出一个模型，便用以上数据检验。（四）总结三、研究的方法与技术路线1、文献资料研究法通过图书馆、网络大量收集、阅读及整理借鉴国内外相关研究成果，包括报纸、学术期刊和论文。2、定性
3、分析为主、定量分析为辅在收集、整理得到数据的基础上，结合我国实际，得出相应结论。3、比较分析法通过不同行业的比较分析4、统计分析法通过图表和曲线使各项数据的列示、演变更加条理清晰，找到事物变化的规律，从而分析本文的相关问题。四、研究的总体安排与进度1、2010112520101217进一步收集资料、修改提纲、形成较详细的提纲，撰写开题报告；完成开题报告论证。2、201012172011224完成开题论证。3、2011101201144完成论文初稿。4、2011040420110429论文定稿。五、主要参考文献1非参数和半参数计量经济模型理论叶阿忠/著2权益证券定价方法李鑫刘小莉徐寒飞编著3信用
4、评价与股市预测模型研究及应用庞素琳/著4证券市场风险测度王明涛/著5证券投资学孙伍琴王朝晖熊乐星/编著6计量经济学（第二版）李子奈潘文卿/编著7ACONCISEINTRODUCTIONTOECONOMETRICSANINTUITIVEGUIDEPHILIPHANSFRANSES/著8J约翰斯顿统计成本分析及计量经济学方法9美罗伯特S平狄克，丹尼尔L鲁宾费尔德著计量经济模型与经济预测10ANOVELADAPTIVELEARNINGALGORITHMFORSTOCKMARKETPREDICTION3LEANYU1,2,SHOUYANGWANG1,2,3,ANDKINKEUNGLAI3,44毕业论文
5、文献综述数学与应用数学成长型行业证券投资实例分析【摘要】计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科，被定义为经济理论、统计学和数学三者的结合。许多经济学家运用计量经济学模型对证券投资进行结构分析，走势预测，收益与风险的计算，以及股票价值评估，股票技术指标分析等等。在此，收集了许多经济预测模型，来研究股票证券市场的风险。【关键词】计量经济学股市预测模型风险测度现今，经济学家、数学家对证券市场的风险研究成果颇多，现将见诸文献的综述如下。（一）风险的基本概念及证券市场风险的基本概念1风险的基本概念风险的基本含义是与损失的不确定性联系在一起的，但对于这一基本
6、概念，经济学、决策、统计学、金融保险学中尚无统一的定义，许多学者从不同方面对此进行了探讨。第一种观点，即古典决策理论的观点，认为风险是事件未来可能结果的不确定性。他可以用可能结果概率分布的方差描述。第二种观点认为风险是一种损失机会或损失可能性，可用损失的概率表示。第三种观点，即现代决策理论的观点，将风险定义为损失的不确定性。第四种观点，即统计学家的观点，将风险定义为实际与预期结果的偏差。第五种观点，即信息论的观点，认为风险是信息的缺乏程度。第六种观点，认为风险是可能的损失量。第七种观点，是韦伯新世纪词典的定义，认为风险包括三个方面一是损失的机会，二是损失的概率度，三是可能损失的数量。第七种对风
7、险的描述较为全面。2证券市场风险的基本概念对于证券市场风险的描述和计量是基于证券投资收益率（或称投资回报）指标的。该指标常用以下公式计算1TT1TTTPDPPR（11）式中，TR为某证券在时期T的收益率，TP为证券在T时期的收盘价，1TP为证券在5T1时期的收盘价，TD为证券在T时期每单位所获得红利、股息等收入。这里T可以取日、周、月、季、年等。TD的计算公式为配股比例每股配股价配股比例）（送股比例每股现金红利PDTT（12）以证券投资收益率为研究对象，常见的证券市场风险定义有以下两种观点。第一种观点认为，证券市场风险是指证券投资者在投资和融资过程中，由于不确定因素的作用而引起证券价格的波动，
8、进而造成投资收益的不确定性或易变性，这种易变性可用收益率的方差或标准差度量。其主要不足是第一，风险是损失厌恶，而不是易变性厌恶；第二，不符合行为科学的原理，证券投资者并不将回报的正负偏差同等看待，而是更看重中下偏差。第二种观点认为，证券市场风险是由于证券价格的波动给投资者造成损失的可能性或损失的不确定性。该观点的不足是没有明确考虑损失的大小，它仍然是以一种衡量不确定性的方法来衡量风险。综以上分析，得新的证券市场风险定义在一定的客观条件和一定的时间内，由于不确定因素的作用引起证券价格变动，给投资者造成损失的可能性以及损失程度。它包括损失的概率、可能损失的数量、损失的不确定性以及投资收益率盈亏波动
9、频率等四个方面，其中可能损失的数量处于核心地位。（二）影响证券市场风险的主要因素（1）宏观经济政策与环境因素。包括利率、汇率、通货膨胀率、经济周期、财政政策、货币政策、经济全球化的影响等。（2）上市公司因素。包括企业的经营业绩、股本结构、公司规模、成长性以及信息披露等因素。（3）市场结构因素。主要包括市场参与者的构成、投资者的心理因素、投资者对经济的预期、债券市场与股票市场及衍生证券市场等市场结构方面的因素。（4）政策因素。国家对证券市场发展的有关政策、法规，信息披露制度，涨跌停板制度，国有股减持，证券公司融资，合规资金入市，控制内幕交易，资本市场的开发等。（5）其他短期影响因素。如新股或增资
10、发行的速度与数量、资本市场中资金供应变化6等。（三）各种股市预测模型1、LOGISTIC回归模型LOGISTIC回归（LOGISTICREGRESSION，简称LR）是一种常见的算法，该方法先将样本属于两个类别的概率之比取对数（也称为LOGIT变换），再用样本的指标变量对其进行线性回归，以此估计某个样本实例属于两个类别中的一个类别的概率。是用于预测的重要方法。模型的具体形式为LOGITP01X12X2NXN其中，参数（0，1N）为回归系数，是待估计的参数。2、AR（1）及AR（2）预测模型设T21XXX，是一个随机过程的实现值，则TXTT1的一阶自回归过程（简称AR（1）模型）可表示为T1TT
11、XXTXTT1的二阶自回归过程（简称AR（2）模型）可表示为T2T21T1TXXX其中，），（20MNT为白噪声过程。TX的自协方差定义为T1TKTTTXX1N1，210TX的自相关函数定义为0KKTTKTTTXVXVXXCOV）（，五、对称的ARCH类模型假设时间序列TT1,2,3,T为一随机过程的观测值，则其自回归AR（K）方程可表示为TKTKTTTAA2211A（1）7其中，随机干扰项TTH0N，如果T2服从ARCH（P）过程，即T2TPTTT2221211T0（2）其中，T独立同分布，并且满足0D0TT，则称模型（2）为自回归条件异方差ARCH模型，并称残差序列T服从ARCH（P）过程
12、。ARCH（P）模型又可表示为TTTVH2222H1021110ITPIIPTPTTT其中，TV独立同分布，并且满足过程是平衡的。如果ARCHPIVDPIIITT,1,3,2,10,01,0V10六、BP算法BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最速下降方法，按误差函数的负梯度方向修改权系数。日收益率采用对数差分计算,2,1,LNLNR1TPPTTT使用周收益率的绝对值作为周波动性测量公式,2,1,RTTT建立如下基于BP算法的预测模型BBXWGVGYN1JJJJJ）（其中，X（X）是输入向量，Y（Y）是输出向量，TWWWWN,1,1是输入层和隐层之间的连接权，）（
13、，N21VVVV是隐层和输出层之间的连接权，TBBBBN211）（，和）（BB2分别是隐层和输出层的偏置权，G（H）为LOGISTIC函数，即8EXP11GHH（四）总结股票走势预测模型各种各样，运用这些模型对中国证券市场数据的收集研究分析，比较各种模型的优劣。（五）参考文献1朱善利中国基金投资市场经济科学出版社,20022崔新生中国基金的方向企业管理出版社,20033李曜证券投资基金学上海财经大学出版社,20024刘宏证券投资基金的投资分析与选择J中国信用卡5证券投资的数量分析方法及组合优化模型研究6汪军明我国证券投资基金的制度缺陷及对策研究J皖西学院学报,2005,0138417胡海峰风险
14、投资学M首都经济贸易大学出版社,20068李子奈，潘文卿计量经济学（第二版），高等教育出版社，2005059李子奈计量经济学方法与应用，清华大学出版社，199210J约翰斯顿统计成本分析及计量经济学方法11美罗伯特S平狄克，丹尼尔L鲁宾费尔德著计量经济模型与经济预测9本科毕业设计（20届）成长型行业证券投资实例分析10摘要【摘要】股票市场是一个风险和利益共存的市场，各种因素之间的相互关系是错综复杂的，是一个多元的非线性复杂系统。在此引用LOGISTIC模型、AR（1）模型、主成分分析法等三个模型，收集上海股票市场和深圳股票市场港口行业及一些公司的数据进行研究，分析那个公司的综合能力较强，投资那
15、个公司较保险。并利用预测误差统计量平均误差（MEANERROR），平均绝对误差（MEANABSOLUTEERROR），均方根误差（ROOTMEANSQUAREDERROR）；对样本外的预测结果进行误差检验，发现AR1模型比LOGISTIC模型精确，主成份分析法对综合能力的测量比较好。【关键词】模型；LOGISTIC回归模型；AR（1）模型；主成分分析法。11ABSTRACT【ABSTRACT】THESTOCKMARKETISARISKANDBENEFITTHEMARKET,ALLSORTSOFFACTORSCOEXISTENCERELATIONSHIPBETWEENISINTRICATE,IS
16、AMULTIPLECOMPLICATEDNONLINEARSYSTEMINTHISQUOTELOGISTICMODEL,THEAR1MODEL,BPALGORITHMFORTHREEMODELABOUTSHANGHAISTOCKMARKETANDSHENZHENSTOCKMARKETRESEARCH,ANDUSEPREDICTIONERRORANDSTATISTICAVERAGEERROR,MEANABSOLUTEERRORS,ROOTMEANSQUAREDERROR；OUTSIDEOFTHESAMPLEOFTHEFORECASTRESULTSAREERRORINSPECTION【KEYWOR
17、DS】MODELLOGISTICMODELAR1MODELTHEPRINCIPALCOMPONENTANALYSIS12目录摘要10ABSTRACT11目录121LOGISTIC回归模型对股价的预测与分析1311引言1312样本和财务指标的选取1313LOGISTIC回归预测模型152AR1在股市波动中的预测2021引言2022样本数据2023AR1模型的建立203主成分分析法在行业当中的分析2631用主成分分析法分析港口行业证券投资实例26参考文献31致谢错误未定义书签。附录32131LOGISTIC回归模型对股价的预测与分析11引言荷兰生物学家VERHULT为预测和控制人口建立了LOGIS
18、TIC模型，他属于非线性回归预测模型中的一种，具有预测功能，如在消费品的销售预测中有很重要的应用。我们知道，在股市市场中，单个股票的升跌与整个股票市场的大趋势一致。例如在2004年的前三个月内，整个股票市场全线飘红，几乎没有下跌的股票。而相反在2003年期间，股票价格都呈现下降趋势。所以在预测股票价格时，应将股票分为两类一类是股票的升幅超过市场平均升幅水平，另一类则低于市场平均升幅水平。在此选取样本时，共选取中国2009年50家上市公司，其中股票升幅水平超过市场价格平均升幅水平的有25家，股票升幅水平低于市场价格平均升幅水平的有25家。通过建立LOGISTIC回归模型，预测这50家上市公司在2
19、009年第一季度股票价格的变化情况。12样本和财务指标的选取选取中国2009年50家上市公司（见附表1），其中有25家上市公司的股票价格其升幅水平超过市场价格平均升幅水平，有25家上市公司的股票价格其升幅水平低于市场价格平均升幅水平，最初考虑公司如下13个财务指标总资产增长率（TOTALASSETGROWTHRATE）、净资产增长率（NETASSETGROWTHRATE）、税后利润增长率（AFTERTAXPROFITSGROWTHRATE）、主营业务增长率（PRINCIPALBUSINESSGROWTHRATE）、总资产周转率（TOTALASSETTURNOVER）、每股收益（EARNINGS
20、PERSHARE）、净利润（NETPROFIT）、净资产收益率（RETURNONEQUITY）、股东权益增长率（SHAREHOLDERSINTERESTSGROWTHRATE）、净资产增长率（NETASSETSGROWTHRATE）、每股净资产增长率（NETASSETSGROWTHRATEPERSHARE）、收入增长率（INCOMEGROWTHRATE）、每股收益增长率（EARNINGSPERSHAREGROWTHSRATE）等等作为问题研究的初级选择指标，通过MANNWHITNEYU检验方法对这13个初级指标与其相应的股票价格进行相关性的检验。首先将所选取的50家上市公司分为两类一类是由股票
21、价格升幅水平超过市场价格平均升幅水平的25家公司构成，称为A类，记为,A2521AAA；一类是由股票价格升幅水平低于市场价格平均升幅水平的25家公司构成，称为B类，记为,B2521BBB。再将这两类公司分别按照其财务指标值从大到小进行排序，便可得到两类公司各自的排名名次，在此不妨设。25212521,AAABBB然后分别计算A类25个股票和B类1425个股票的得分名次，其总和分别记为BATT和。建立原假设和备选假设条件如下0H对于同一个指标值，如果某两家公司的中位数一样，则这两个样本总体均值无显著差异；1H否则，这两个样本总体均值存在显著差异。根据BATT和，给出U检验的统计量如下BBB22B
22、AAA22AT450T2522521225TNN21NUT450T2522521225TNN21NU）（）（）（）（选择BAUU和中较小的值作为U值，得到92330511212NNUN3Z22U）（然后以U统计量的相伴概率作为判断标准，如果相伴概率小于或等于给定的显著性条件，则应拒绝原假设H0，解释备选假设H1，认为总体样本均值存在显著差异，该财物指标与股票价格的升跌有显著关系。在此选取显著性条件0025，利用SPSS的两独立样本的非参数检验方法，得到的统计测试值如下表11所示。表11MANNWHITNEYUWILCOXONWZASYMPSIG2TAILED总资产增长率160000485000
23、29590003净资产增长率15600048100030370002税后利润增长率17900060400006500516主营业务增长率30200062700002040839总资产周转率21700054200018530064每股收益180000505500025630010净利润17800050300026100009净资产收益率1530004780003095000215股东权益增长率26600059100009020367净资产增长率21650054150018630063每股净资产增长率15900048400029780003收入增长率27900060400015040516每股收益
24、增长率196500052150022510024其中，MANNWHITNEYU表示U值的大小，ASYMPSIG2TAILED表示Z值对应的相伴概率值。由表11知，在13个初级指标中，有7个财务指标总资产增长率、净资产增长率、每股收益、净利润、净资产收益率、每股净资产增长率、每股收益增长率的相伴概率都小于显著性条件0025，所以可以认为，所选取的50家上市公司其股票价格升幅与这7个财务指标有比较显著的关系，我们用X1表示总资产增长率，X2表示净资产增长率，X3表示每股收益，X4表示净利润，X5表示净资产收益率，X6表示每股净资产增长率，X7表示每股收益增长率。又由于股票的变动既受到上市公司经营状
25、况的影响，同时又受到社会、政治等其他随机因素的影响。因此，在预测股票变动时，还需要考虑由非随机因素影响而造成的变化。所以，在选取样本时，应尽量选取各种类型的股票，以减低单个行业受随机因素对股票价格产生的影响。由于有些股票在之前曾出现过重大财务问题而被ST或PT处理，所以在股票价格变动的过程中除了考虑企业的财务状况外，还需要考虑其是否被ST或PT处理过。为此，考虑第8个变量X8，表示是否被ST或PT处理过（其中0表示未被处理过，1表示曾被处理过）。13LOGISTIC回归预测模型假设Y表示上市公司股票价格升幅水平，如果该升幅水平高于市场平均水平，则取Y1，否则取Y0XI（I1，2，N）表示公司财
26、务指标，PPROB（Y1|X）表示相伴概率。LOGISTIC回归模型的基本形式为NNXBXBXBBP1PLNPITLOG22110）（11）其中，B（NBBB21）是回归系数。LOGISTIC回归模型（11）可等价的表示为EXP1EXPP2211022110NNNNXBXBXBBXBXBXBB（12）16其中，P表示上市公司的股票在研究区间内的涨幅超过市场平均升幅的概率。在拟合之前，对于超过平均升幅的股票令P1，否则令P0对于此所研究的问题，可取N8，于是LOGISTIC回归模型（12）可变为EXP1EXP88221108822110XBXBXBBXBXBXBBP（13）然后利用SPSS软件的
27、BINARYLOGISTICREGRESSION计算出各参数的估计值（见表12），再将各参数的估计值代人相关的财务指标，计算出股票价格升幅高于市场平均水平的概率。表12变量财务指标BSEWALDDFSIGEXPBX1总资产增长率002400171992101660976X2净资产增长率001000330088107670990X3每股收益096127690121107280382X4净利润000000000594104411000X5净资产收益率074136430041108390477X6每股净资产增长率071636460039108442047X7每股收益增长率00000034000010
28、9981000X8是否被特别处理137236340143107063943CONSTANT163306865670100175118表12中，B表示各参数的系数，WALD表示WALD统计量的大小（WALD值越大或SIG越小表示该自变量在方程中越重要）。于是，LOGISTIC回归方程可建立如下3721761074109610010002406331EXP13721761074109610010002406331EXPP865321865321XXXXXXXXXXXX（14）将X1，X2,X8的值代人（14）式，计算相应的P值，如果某一公司的相伴概17率P05时，则认为该公司的股票价格上升幅度超过
29、市场平均水平；如果某一公司的相伴概率05P时，则认为该公司的股票价格上升幅度低于市场平均水平。P值越大，上升幅度越大，越有利于投资。对于此选择的50家上市公司，利用模型（14）计算出相应的相伴概率P，得到各家公司股票的相伴概率的预测值如表13所示。表13升幅超过市场平均水平升幅低于市场平均水平股票编号（A类）股票名称相伴概率P股票编号（B类）股票名称相伴概率P预测值为误判600690青岛海尔0756331000039中集集团0335881000050深天马A0733918000159国际实业0162103002059云南旅游0795631000416健特生物0488714002479富春环保0
30、617943000502绿景地产0682902000410沈阳机床0826724000520长航凤凰0383648000420吉林化纤0812412000528柳工A02492245000960锡业股份078247000538云南白药0300197600993马应龙0776782000543皖能电力0496978000547闽福发081896000544中原环保018A4000558莱茵置业0535261000546华光控股0050379000008ST宝利来1000545吉林制药0365139000561ST长信1000566海南海药0499971002001新和成0953449000572
31、海马股份0122108000571新大洲A0561694000600建投能源0211211000586ST汇源0744014000602ST金马0439722000607ST华控0469311000617石油济柴0061589000635英力特0740114000625长安汽车0516903000656ST东源0905559000717韵钢松山0262744000677山东海龙0704263000751锌业股份0332797000788西南合成0955841600695大江股份0443512000789江西水泥05568600309烟台万华0474169000835四川圣达0894696000
32、795太原刚玉0492528000868安凯客车0782862000800一汽轿车033627219000910大亚科技0708288000818ST化工0323853002269美邦服饰0698638000514渝开发0024805误判个数1误判个数3由表13知，A类误判的个数为1，B类误判的个数为3，故总的误判个数为4，总的误判率为8，判别的准确率达到92（见表14）。表14P的预测值及预测准确率P的原始值P的预测值总误判数总误判率准确率1P5005P0124（85）1（15）489203（15）22（85）小结股票市场是一个高风险高报酬的市场，很多人在这个不断变化的市场中获得了巨大的投资
33、回报，但也有很多人血本无归，甚至濒临破产。在这种情况下，建立一种能够较为准确地预测股市发展的模型显得尤为重要。在此利用LOGISTIC回归模型，做了这样一个任务用来预测在中国50家上市公司在2004年第一季度股票价格变化的情况。研究表明，在股票升幅水平超过市场借个平均升幅水平的25家公司中，误判个数为1；在股票升幅水平低于市场价格平均水平的25家公司中，误判个数为3，故总误判个数为4，总误判率为8，预测准确率达到92。根据P值的大小，我们可得出投资西南合成的股票升值率较大。202AR1在股市波动中的预测21引言股票市场是一个风险和利益共存的市场，各种因素之间的相互关系是错综复杂的，是一个多元的
34、非线性复杂系统。在此结合中国深圳股票市场的实际数据，利用一阶自回归模型AR（1）对深圳股票市场的波动性进行预测，并利用常用的预测误差统计量平均误差（ME），平均绝对误差（MAE）对AR（1）和LOGISTIC的预测结果进行检验。22样本数据在此还是采用附表2当中的数据，即中国深圳综合指数每个周末的收盘价，利用RA（1）模型研究深圳股票市场的波动性。数据的时间跨度、用于估计模型的数据、留作预测检验的数据以及符号都相应采用11中的数据和符号。深圳综合指数的日收益率（回报率）采用对数差分计算,21TPLNPLNRTTT，），（）（其中PT表示从2009年2月6日算起第T个交易周的收盘价，P0为200
35、9年2月6日的收盘价。对于周波动性的测量公式，采用公式21TRRTN1ITIT2T，）（，25其中，下标T为观测值从2009年2月6日算起的周数，ITR，为第T周的第I个交易日的日收益率，TR为第T周日收盘价的均值，TN为第T周的交易天数。23AR1模型的建立设TXXX,21是一个随机过程的实现值，则1TTXT的一阶子回归过程可表示为TTTXX1（21）其中，），（2T0MN为白噪声过程。TX的自协方差定义为T1TKTTK210KXX1N1，TX的自相关函数（简称ACF）定义为210IKTIKXVXVXXCOVKKT）（）（），（在对深圳股票市场波动率进行预测时，我们取时滞K40，经过分别对周
36、收盘观测值及其相应的波动率进行零均值处理后，可得到两个零均值序列WT及VT（T1，2，25），各自相应的自相关函数K，如表21表示（表21中只列出K1，2，18）表21KACFKWTVT10955016020906002430866006440824007050781010060743009470704000180660007090622001410059000321105620015120536007313050700211404780015150454005216043000041704070025180378008322由表可看出，周收盘价零均值序列WT的自相关函数K随着K的增大而衰减，
37、因此可认为是拖尾，从而可知深圳综合指数周收盘价零均值序列WT为平稳的自回归序列。观察表21，知WT为平稳的AR（1）过程，其模型可写为T1TT0955WW（23）此时，VT的AR（1）模型可写为T1TT016VV（24）根据公式（23）及对零均值序列WT的还原，利用AR（1）模型可分别对周收盘价20周进行预测，再根据公式（24）及对零均值序列VT的还原，利用AR（1）模型可分别对周波动率后20周进行预测。24预测误差检验在此将从周波动率的样本外的误差检验角度，进一步阐明AR（1）和LOGISTIC回归这两种模型的预测能力。预测误差是指预测结果与实际结果的偏差，不论采用何种预测模型，预测误差总是
38、存在的。常用的预测误差统计量有平均误差（ME），平均绝对误差（MAE），均方根误差（RMSE），平均绝对比率误差（MAPE），AKAIKE信息准则（AIC），BAYES信息准则（BIC），这里主要用平均误差和平均绝对误差，该两种统计量为5026T2T2T251ME）（27）5026T2T2T251MAE（28）下面利用这两种误差统计量检验AR（1）及LOGISTIC模型对周波动率样本外数据的预测效果，这两种模型的2种预测误差值如表22所示。表22中，SORT是根据误差值从小到大的优劣顺序应对两个预测模型的排名。模型误差值误差AR（1）LOGISTIC23ME504025E05000682429
39、5SORT12MAE00002136480006944609SORT12由表22我们得到如下结论AR（1）模型比LOGISTIC模型效果好。25小结对我国股票市场波动性进行预测并准确的估计，是金融市场风险测量的关键问题所在。在此采用我国深圳股票市场综合指数每个周末的收盘价，利用AR（1）预测模型对其波动性进行预测。根据对周收盘价零均值序列的分析结果，简历里周收盘价零均值序列及与之相应的波动率零均值序列的AR（1）模型。然后采用2种常用的预测误差统计量平均误差（ME），平均绝对误差（MAE）对样本外数据的AR（1）和LOGISTIC的预测结果进行检验。研究结果表明，AR（1）的预测效果较好，LO
40、GISTIC回归模型次之。24附表2股票收盘价周数上证指数000001深成指数399001121812477719022320798628753226148842377420828576082252193018249886212885787574722810986475182374448994159241978924466102444239345441125039495800612244859931520132477579502521426256410183061526452610273231625976010072631726329310127921827538910667111927437
41、61052413252028880491124229212928211141317223088371225879233113931270601243189741313197253372601353172股票收盘价周数上证指数000001深成指数3990012634120613670722732606912975262830469712499752929607711892023028606911450083128616111519683229897912096263329626711977403428388411384163529117211501233629766312033373731078
42、51284321382995851229716393164041298720403187651326440263主成分分析法在港口行业当中的分析31用主成分分析法分析港口行业证券投资实例主成分分析法是利用降维的思想，在损失很少信息的前提下把多个指标转化为几个综合指标的多元统计方法。这些综合指标通常被称为主成分，主成分相比原始变量而言，具有更多的优越性，即在研究许多复杂问题时不至于丢失太多信息，从而使我们更容易抓住事物的主要矛盾，提高分析效率。该方法的核心就是通过主成分分析，选择N个主分量12,NZZZ，其中1,2,IZIN为第I个主成分的得分，以主分量IZ的方差贡献率IA作为权数，构造综合得分
43、NIIIAZ1N1IIAZ（1）利用各样品的综合得分就可以对样品进行排名。同时我们还可以根据第I个主成分的得分来衡量某个港口第I个主成分所代表因素的贡献大小。在此对各大港口的18个财务指标的数据做定量分析，利用主成分分析法得出反映各港口规模的综合指标，进而评估个港口综合力排名。源数据共有18个变量，记“净资产负债率为X1”，“资产负债率X2”，“流动负债率”X3，“股东权益比率X4”，“流动比率X5”，“速动比率X6”，“现金流动负债比X7”，“净资产收益率X8”，“总资产利润率X9”，“主营业务利润率X10”，“总资产周转率X11”，“主营业务收入增长率X12”，“净资产增长率X13”，“总
44、资产增长率X14”，“净利润增长率X15”，“主营业务利润增长率X16”，“每股收益元X17”，“每股净资产元X18”27设），（18,21IZI表示第I个主成分，由于一个主成分不一定足以代表原来的18个变量的信息，因此需要寻找第二个乃至第三、四个主成份，原则上，第二个主成分不应该再包含第一个主成分的信息，即这几个主成分的方向正交。具体确定各个主成分的方法如下设18182211182182221212181182121111XCZXCXCXCZXCXCXCZXCXCNNNN（2）用SPSS降维因子分析，算出X1,X2,X18的相关系数矩阵18NR（这里暂用R表示）及ZI的系数，28则31414
45、212322392181314Z2421Z3322Z8921ZZ43214141IIIIIAZA181716151413121110987654321131800389817082808660869085907060807064805870613044604410841039200841X0906XZXXXXXXXXXXXXXXXX181716151413121110987654321215602330421034204030392040909301800120037006960855085703560261035600050ZXXXXXXXXXXXXXXXXXX181716151413121
46、110987654321341307660176027102240177023803640091070505670080000100156063101560920ZXXXXXXXXXXXXXXXXXX18171615141312111098765432147783038201740128016201440166020702920149017201780067007201210414012101170XXXXXXXXXXXXXXXXXXZ29由SPSS可得Z1Z2Z3Z4大连港002038001194049395045101宁波港055151011059024022126946唐山港053614
47、017309059557053844天津港000348014705059422448南京港020816013584109127070535深赤湾A070212082969280438040566盐田港164694316823006046027531锦州港018789031742062414101572连云港001599032598049798035473上港集团05411049664071497152782北海港025169086151013446013008厦门港务014954046637011284018098日照港012138043284045787033915重庆港九061179039
48、407105266147259芜湖港320549152412093655062318营口港02846033556128615095121则各大港口的综合得分为Z大连港012579514019宁波港047171384091唐山港012883432407天津港022876260233南京港036782140506深赤湾A010623366379盐田港024734685192锦州港034900081049连云港010512912317上港集团042268145513北海港0028915207786厦门港务0011256532733日照港025503015584重庆港九022125243773芜湖港219726073130营口港0027518646264各大港口的综合得分的总和S13862811364E06，接近于0，则我们设各大港口的平均综合得分为0，在0以上的港口则表明该港口的发展高于港口的平均发展水平，0以下的则表明该
