基于统计方法的股票短线收益预测

——以Google的股票数据为例

一．   问题的背景提出

关于如何选择股票，100多年来人们创造出各种方法，多得使人感觉目不暇接，但

是不论有多少变化，可以归纳为基本的几种投资策略。

1.       价值发现：

价值发现方法的基本思路，是运用市盈率、市净率等一些基本指标来发现价值被低估的个股。

2.       选择高成长股：

它关注的是公司未来利润的高增长，而市盈率等传统价值判断标准则显得不那么重要了。

3.       技术分析选股：

技术分析是基于以下三大假设：

(1) 市场行为涵盖一切信息；

(2) 价格沿趋势变动；

(3) 历史会重演。

在上述假设前提下，以技术分析方法进行选股，通常一般不必过多关注公司的经营、财务状况等基本面情况，而是运用技术分析理论或技术分析指标，通过对图表的分析来进行选股。

4.       立足于大盘指数的投资组合

如果有一个与大盘一致的指数基金，投资者就不需要选股，只需在看好股市的
时候买入该基金、在看空股市的时候卖出。

     而本文关注的技术分析选股，并且希望通过统计方法根据技术指标对股票短线收线

进行预测。

二．   模型的假设与建立

2.1 股票数据结构：交易的日期，开盘价(Open)，最高价(High)，最低价(Low)，收盘价(Close)，交易量(Volume)，调整的收盘价(Adjusted Price)。

2.2 定义目标变量：股票短线收益

      日平均价近似为：

   

     设

为接下来第K天日平均价对第i天的变动率（算术收益率）：

   

     而指标

定义为绝对值大于p%的那些变动率的总和：

      

     为正且较大时说明在未来K天内股价处于上升状态可能性较大，买入信号。

     为负且绝对值较大时说明在未来K天内股价处于下降状态可能性较大，卖出信号。

2.3 确定解释变量

     根据在网络上找到的技术指标中的“趋势型指标”来确定解释变量。选取R-Package里面的TTR包。最终确定解释变量如下：

     ATR，衡量序列波动

     SMI，动量指标

     ADI，平均方向性运动指标

     Aroon，扑捉起始趋势的；

     BollingerBands，比较一段时期的波动率

     ChaikinVol，佳庆离散指标

     EMV，简易波动指标

     MACD，平滑异同平均线

     MFI，资金流量指标

     SAR，停损点………………..

三．   模型求解

略（见附录的文件吧，文章长度超过了）

四．   模型的不足与优化

1.    本模型只考虑了“趋势型”指标，对于其他技术指标则没有分析，故有一定的片面性。

2.    本模型没有考虑大盘指数的趋势，而股票的价格往往跟大盘指数有着紧密的联系。

五．   附录

R-code.txt

六.      参考文献DataMining with R: Learning with Case Studies