論基於成交量標度的股價動力學分析(doc 13頁)

論基於成交量標度的股價動力學分析目錄：
1 引言
2 成交量進程時間假設
3 基於成交量標度的股價動力學分析
4 實證研究
5 結論

論基於成交量標度的股價動力學分析內容提要：
傳統的基於時間標度的股價動力學分析方法缺乏考慮成交量的重要作用，本文在股價調整的成交量進程時間假設下，提出基於成交量標度的股價動力學分析方法。通過對上證綜合指數的實證研究，結果表明基於成交量標度的股價動力學分析方法的可行性和有效性。
……

我們都是以固定的日曆時間間隔記錄經濟世界和金融市場中的經濟變量，比如宏觀經濟統計中的GDP年增長率，消費價格指數月變化率，金融市場中的股票價格的日收盤價。對這些金融經濟變量的傳統的時間序列分析都有一個隱含的假設：這些變量是以固定的日曆時間進程推進的。但是，大量的研究發現，這些經濟變量並不是以固定的日曆時間進程推進的，而是以它自己的經濟時間推進的。比如，經濟周期就是一個獨立的經濟時間單位，即有關經濟周期的變量的推進模式是從一個周期的一個階段進入下一個階段，而不是從一個月到下一個月。由於各個經濟周期的時間長度不同，所以分析這些周期行為的合適的時間刻度不能基於月、季、年或者其它日曆時間刻度，而應該是經濟周期本身[1]。
……

根據前麵的基於成交量標度的股價序列的分析方法，我們對上證綜合指數的日數據進行了實證分析。按照赤池信息準則AIC、Scharwz-Bayes信息準則BIC和參數值的顯著性，我們對兩個序列進行了ARIMA模型辨識，發現基於成交量標度的指數序列的自回歸項階數要小於收盤價序列，而且AIC和BIC值也要小於收盤價序列。這說明基於成交量的指數序列的ARIMA模型的擬合情況要優於收盤價序列。再由辨識階段得到的ARIMA模型的參數值對後麵的樣本進行了測試，從各個誤差分析項（包括均方差、平均絕對值誤差、絕對值誤差小於1.5％的百分比等）也可以看出，基於成交量標度的指數序列用ARIMA模型擬合要好於收盤價序列。

..............................