灰色預測在股票價格中的研究應用

《灰色預測在股票價格中的研究應用》由會員分享，可在線閱讀，更多相關《灰色預測在股票價格中的研究應用（4頁珍藏版）》請在裝配圖網上搜索。

1、灰色預測在股票價格中的研究應用 股票價格的預測對于投資者的投資決策有著實質性的影響，因此，通過建立正確的股票預測價格模型對于投資者的投資決策有一定的指導作用。本文運用股票價格的灰色預測方法，并且通過MATLAB程序，研究灰色GJM(1，1)模型以及它的修正模型Verhulst模型在股票市場中的應用。在短期內，GJM(1，1)模型可以做出股價的預測，但是由于在實際應用中沒有考慮到其他因素對于其自身的影響，因此對于長期的股票價格預測，由于其數據變動序列龐大，模型的精度有所降低，而修正的Verhulst模型則更適合研究實際長期

2、股價變化的預測。 股價預測 GJM(1，1)模型 Verhulst模型 MATLAB 股票市場自建立以來一直都飽受外界關注，股票價格的走勢無疑是廣大投資者最關注的問題和研究者最深入探討的課題。怎樣尋求股票價格的規(guī)律，以取得收益的最大化，成為了廣大投資者趨之若鶩的話題。股票市場陰晴不定，股票價格的波動也受到多種因素的影響，比如一些政治因素、相關機構出臺的政策、國際趨勢的變化、上市公司的運營情況、人文心里因素等等都會對股票的價格產生一定的影響。因此尋求股票價格變化的規(guī)律，建立正確有效的股票價格的預測模型對于投資者來說具有一定程度的指導參考作用。 證券業(yè)自市場活躍起來，學者們已經

3、尋找并建立了多種股票預測理論與方法。在大量的股票預測方法當中，其中灰色預測的方法與股票市場的灰色特質相吻合，可以做出較好預測效果，并且已經取得了一定程度的成果[1]。本文主要研究灰色GM(1，1)模型對于股票價格預測的應用，以及它的修正模型，即Verhulst模型在股票價格中的應用。預測是根據過去已知的宏觀數據，根據一些科學的方法為以后未知的情況作出一定的假設，從而使得真實的結果與我們的預期并不會相差甚遠。在股票市場不斷發(fā)展完善健全的過程當中，股票的價格會受到上文提到眾多因素的影響，對于股票價格的預測，我們并不是能根據已有的數據完全掌握其發(fā)展規(guī)律，還有一部分因素是未知的，這與灰色理論相契合翻，

4、因此我們可以利用灰色預測模型對票的價格進行預測，而盡可能地達到投資者的預期收益。 （二）對股票價格的實證預測 現以中青寶(300052) 2015年10月到2016年4月七個月的月平均數據（數據來源：證券之星網站）為例進行GM(1，1)模型的預測以及模型的檢驗。原始數據x(O)一(31，29. 11，28.99，18 .08，16 .48．26.45，22)，運用MATLAB程序求得：υ=(0. 0600，29. 8330)T，a=0.0600，u=29. 8330，把a，u的值分別帶入(2)式得到股票預測模型： 從表1可以看出，從20

5、15年10月到2016年4月七個月之間，通過GM(1，1)模型預測出的中青寶的預測收盤價都在其每期最高價和最低價的范圍之間。并且從其模型的檢驗可以發(fā)現其相對誤差也較小，因此GM(1，1)模型可以用來做股價的短期預測，并且模型的契合度也較高。但是在實際的應用當中要考慮到其他因素對于股價其自身的影響，因此對于長期的股票價格預測，由于其數據變動序列龐大，此模型的精度有所降低，而修正的Verhulst模型則更適合研究實際長期股價變化的預測，所以我們采取修正模型的Verhulst模型探討股票價格的變化規(guī)律，從而預測股價。 三，Verhulst模型[4] （一）模型的建立 （二）

6、對股票價格的實證預測 現以中青寶(300052) 2015年9月到2016年12月14個月的月平均數據（數據來源：證券之星網站）為例進行預測。原始數據x(0)=(43. 87, 31,29.11, 28. 99, 18. 08 ,16. 48, 26.45, 22, 21. 59,22.03,18.92,19.62,29.92,24.08). 一般情況下，最常用的模型的檢驗指標[6]見表3： 通過Matlab程序運行結果，可以看出2015年9月到2016年12月，這14個月的中青寶的預測值均貼近其真實的股票平均價格，相比灰色GM(1，1)模型來說，對于短期的股票價格的

7、預測，灰色GM(1，1)模型預測出來的價格更加貼近其真實的股票價格，但是對于后期的同期股票價格來說，Verhulst模型的預測價格更加貼近其真實的月平均價格。對于模型的檢驗，其平均相對誤差△：0.2652，模型精度等級為四級；絕對關聯度g=0.9565，其精度等級為一級；均方差比值c=0.6357，其等級精度為三級。綜上所述，可以看出Verhulst模型的精度相對較高，可以在長期的實際的股票價格預測當中應用，并且盡可能的達到投資者的預期收益。 （三）兩個模型的結果比較 根據上述預測公式，分別用GM(1，1)模型和Verhulst模型對2015年10月到2016年4月七個月的月平均收

8、盤價做出預測并且對預測結果進行比較，結果見表4： 利用GM(1，1)與Verhulst模型預測的結果，繪制模型的預測結果與實際收盤價的走勢圖（見圖1）， 根據表4模擬預測的數據，結合圖1可以看出，從2005年10月至2016年4月間，Verhulst模型對原始數據的模擬值、模擬殘差和相對誤差都比GM(1，1)模型要小，Verhulst模型的預測值與真實的股票價格更加貼近，因此相比較GM(1，1)模型，Verhulst模型更加適合股票價格的預測，Verhulst模型的精度顯然優(yōu)于GM(1，1)模型。 四、結語 股票市場中投資者眾多，但是只有掌握了一定的知識，才可以進行

9、投資。本文以2015年9月至2016年12月間中青寶的收盤價為基礎，分別建立灰色GM(1，1)模型、Verhulst模型根據其原始數據對其后期價格進行預測。[本文轉自WWw.dYLw.nEt 第一論文網代寫財務管理畢業(yè)論文]從預測結果可以看出，灰色GM(1，1)模型與Verhulst模型都反映了中青寶收盤價的走勢。通過殘差分析和精度檢驗可以看出兩個模型的宏觀預測效果較好[7]，說明在股票的價格預測應用當中灰色GM(1，1)模型與Verhulst模型是都可行的。就兩個模型模擬預測的結果相比較而言，對于模擬分析短期的數據序列，GM(1，1)模型可以模擬預測股價，其預測精度相對較高[2]。但在實際應

10、用中，股價的變動數據量龐大，運用更多的數據建立的模型所模擬出來的模型數據更加真實可信，貼近真實的股價。所以，在數據足夠多時Verhulst模型對于數據的契合程度更高，因此Verhulst模型更適合實際研究長期股價變化的預測。 參考文獻 [1]杜江，安裕倫，袁士聰灰色GM(1，1)模型和Verhulst模型在喀斯特地區(qū)耕地預測中的應用——以畢節(jié)生態(tài)試驗區(qū)為例[J]中國巖溶，2009，(04):426-431 [2]劉智灰色預測在股票預測中的應用[J]中國市場，2013，(46)143 -144。 [3]李惟佳，孫濤．灰色GJM(1，N)方法在股票預

11、測中的應用[J].價值工程，2009，(11):152-154． [4]陳露．灰色Verhulst模型的改進及其應用[J].數學的實踐與認識，2011，(10):172-177． [5]金明愛，程隆昌．股票價格的灰色預測模型[J].延邊大學學報（自然科學版），2014，(01):54-57． [6]劉星，遲建新，宿成建，劉禮培股票價格指數灰色系統(tǒng)預測與分析[J].數量經濟技術經濟研究，2003，(08):128-131． [7]李國平，于廣青，陳森發(fā)中國股票價格灰色預測研究綜述[J]東南大學學報（哲學社會科學版），2005，(02):28-30． 基金項目：國家自然科學基金(11601001)。