资本市场的收益问题吸引着众多研究者，为了实现预测目的推出了各式各样的技术分析方式。成交量是证券期货资产价格运动的直接动力，成交量的变动不仅直接表现股市交易是否活跃、人气是否旺盛，而且体现了市场运作过程中供求动态实况。没有成交量的发生，市场价格就不可能变动，也就无投机行为可言。SAS证券/期货交易决策系统应用开发正是基于量价分析的理念而设计开发的。

        SAS证券/期货交易决策系统的理论基础为，我在厦门大学王亚南经济研究院(WISE)的攻读博士学位论文《状态预测与交易法则》。国内外一些证券机构使用SWARCH模型(Hamilton and Susmel,1994)来进行证券交易状态预测，这是一种典型的Markov链模型。然而，由于是外生状态转换的设计问题(非时变转换，状态久期被设计为常数)，使得其无非跟踪行情变化，金融应用价值大打折扣。2008 年暑期，当时正纠结于是否在洪永淼教授的“假设检验”道路上走下去，一位研究者向我推荐了Brooks and Katsaris (2005a,b) 的文献。他们的研究使用了内生转换回归模型，这是一种在金融文献中较少出现的非Markov链性质状态转换模型。凭借独特的内生状态转换结构设计，它具有了Hamilton式状态转换模型所无法比拟的理论与应用价值。然而，在阅读并注解了这两篇文献之后，从计量金融学的视角，我竟然发现了金融学家们的模型存在着一些无法克服的缺陷。由于相信解决这些问题会对金融学理论的发展与应用产生深远的影响，最终决定为此投入了攻博期间的大部分时间与精力。《状态预测与交易法则》的学位论文也就是在这样的背景下产生了。

         对于证券或者期货市场的资产价格运动进行数学模拟，平均两千万个备择模型中才能产生一个适合应用需求的交易行为模型。撇开经济学、金融学及金融工程理论不谈，仅从技术角度而言，没有坚实的算法论证、计算机代码编写以及数据仓库的设计与管理能力，这些几乎是无法实现的。考虑到了证券或者期货交易的高频、超高频的数据特征，以及众多的BID-ASK交易量、交易额指标，最终我选择了SAS系统作为理论验证以及模拟交易的计算平台，试图利用SAS面向计算机底层的设计优势来有效处理海量数据。此外，选择了高效灵活的SAS/IML模块来对金融计量模型进行算法开发。在经过历时四年的努力后，《状态预测与交易法则》通过了WISE学位委员会的评审；之后不久，SAS证券/期货交易决策系统也正式产生了。

论文Beamer：
            
软件演示视频的链接：
             http://www.tudou.com/programs/view/UQ_BILX53mk/
             http://v.youku.com/v_show/id_XNDQ5MjEzMTUy.html

参考文献：
Brooks, Chris and Apostolos Katsaris, 2005a. A three-regime model of speculative behaviour:Modelling the evolution of bubbles in the S&P 500 Composite Index. Economic Journal,. 115:763–793
Brooks, Chris and Apostolos Katsaris, 2005b. Trading Rules from Forecasting the Collapse of Speculative Bubbles for the S&P 500 Composite Index. Journal of Business. 78:2003–2036
杜亚军，2011，《状态预测与交易法则》，厦门大学王亚南经济研究院(WISE)攻读博士学位论文
Hamilton, James D. and Raul Susmel, 1994. Autoregressive conditional heteroskedasticity and changes in regime. Journal of Econometrics. 64:307–333