單督明

浙江財(cái)經(jīng)大學(xué)

基于人工神經(jīng)網(wǎng)絡(luò)的新股上市連續(xù)漲停板數(shù)量預(yù)測(cè)

單督明

浙江財(cái)經(jīng)大學(xué)

本文通過對(duì)2017年2月28至2017年6月1日新上市的124只新股數(shù)據(jù)進(jìn)行分析，來探究影響新股上市后連續(xù)一字板個(gè)數(shù)的影響因素。本文采取了6種財(cái)務(wù)指標(biāo)，以及3種表征市場(chǎng)狀態(tài)的指標(biāo)。通過人工神經(jīng)網(wǎng)絡(luò)模型來擬合新股上市后連續(xù)一字板個(gè)數(shù)，并探究不同誤差下模型的準(zhǔn)確率。結(jié)果表明，在誤差20%的范圍內(nèi)，模型有較強(qiáng)的解釋能力。此模型對(duì)實(shí)際投資具有較強(qiáng)的參考價(jià)值，并可以依此做出投資決策。

新股上市；連續(xù)漲停板；基本面指標(biāo)；市場(chǎng)狀態(tài)指標(biāo)；人工神經(jīng)網(wǎng)絡(luò)

1 引言

新股能連續(xù)漲停是與新股發(fā)行數(shù)有很大關(guān)系，由于新股一直被市場(chǎng)認(rèn)為是稀缺產(chǎn)品，新股預(yù)估發(fā)行市盈率受限，大部分新股估值相對(duì)同行業(yè)折價(jià)明顯，上市后必然遭到哄搶，所以新股上市后，很容易開盤就漲停。這導(dǎo)致的現(xiàn)象就是新股是眾多股民夢(mèng)寐以求的東西，然而由于中簽率的限制，大多數(shù)人不能再首日買入新股。所以判斷新股是否還具有投資價(jià)值是一個(gè)很值得考慮的問題。

由于股價(jià)的非線性特征，股票市場(chǎng)投資者商業(yè)行為的復(fù)雜性和對(duì)未來時(shí)間的影響能力，以及我國股市具有明顯的政策性等因素，都極大了增加了我們預(yù)測(cè)股價(jià)的難度。神經(jīng)網(wǎng)絡(luò)是一種大規(guī)模并行的復(fù)雜非線性動(dòng)力系統(tǒng)，由于其具有很強(qiáng)的自學(xué)習(xí)能力自適應(yīng)能力以及容錯(cuò)能力等優(yōu)點(diǎn)，使它成為一種比較合適股票預(yù)測(cè)方法。

本文想通過人工神經(jīng)網(wǎng)絡(luò)算法，利用近三個(gè)月新股2016年12月31日到2017年5月26日的數(shù)據(jù)預(yù)測(cè)新股漲停板個(gè)數(shù)與公司基本面、上市日期以及首發(fā)價(jià)格的關(guān)系，以便確定某只新股是否應(yīng)該賣出或者是否還有套利空間。

2 文獻(xiàn)綜述

由于股票市場(chǎng)具有高度的不確定性，并且神經(jīng)網(wǎng)絡(luò)理論非線性預(yù)測(cè)能力 較強(qiáng)的性質(zhì)，為了能把握股市的規(guī)律，有很多人在試圖利用神經(jīng)網(wǎng)絡(luò)理論對(duì)股票價(jià)格進(jìn)行預(yù)測(cè)，并在不同的方向取得了較為滿意的效果，下面介紹一些利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)的方法。中國科學(xué)技術(shù)大學(xué)電子科學(xué)與技術(shù)系的周佩玲、邢根柳[1]針對(duì)ANFIS直接對(duì)價(jià)格序列進(jìn)行預(yù)測(cè)偏差較大的問題，提出了在處理有趨勢(shì)特征的價(jià)格數(shù)據(jù)中，用數(shù)字濾波器獲取價(jià)格趨勢(shì)和圍繞趨勢(shì)波動(dòng)的變化細(xì)節(jié)特征，對(duì)兩者分別采用AR和ANFIS模型進(jìn)行預(yù)測(cè)。北京工業(yè)大學(xué)電子信息與控制工程學(xué)院的丁圣、高風(fēng)[2]人試圖通過將小波分析中的趨勢(shì)提取技術(shù)應(yīng)用于證券預(yù)測(cè)中來提高神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度。上海大學(xué)計(jì)算機(jī)工程與科學(xué)學(xué)院的李楨，徐凌宇[3]研究BP中國收斂速度蠻、局部極小值的問題，針對(duì)現(xiàn)有研究中的改進(jìn)方法對(duì)BP的性能提升有限，從疲勞的角度出發(fā)，提出了一種新的改進(jìn)方法---階段化評(píng)價(jià)法，進(jìn)行一階段學(xué)習(xí)后對(duì)性能指標(biāo)進(jìn)行評(píng)價(jià)，并且于調(diào)整下一階段的學(xué)習(xí)方式。

3 指標(biāo)選擇

個(gè)別指標(biāo)含義詳解

其中第1至第8個(gè)指標(biāo)為財(cái)務(wù)指標(biāo)，可以通過報(bào)表查得。

x9：市場(chǎng)動(dòng)量指標(biāo)。從歷史統(tǒng)計(jì)數(shù)據(jù)來看，A股向來有“追漲殺跌”的喜好。當(dāng)股票處于上漲態(tài)勢(shì)時(shí)，買方力量會(huì)較強(qiáng)。

x10：市場(chǎng)狀態(tài)指標(biāo)。當(dāng)市場(chǎng)處于較高位置時(shí)，會(huì)被認(rèn)為價(jià)值被高估，買方力量減弱。當(dāng)市場(chǎng)處于較低位置時(shí)，會(huì)被認(rèn)為價(jià)格被低估，是較好的買入時(shí)機(jī)。因此將該指標(biāo)用“新股與次新股”所處價(jià)值區(qū)間進(jìn)行表示。

y：上市后連續(xù)漲停板個(gè)數(shù)。由于A股市場(chǎng)存在這樣一種現(xiàn)象，即新上市股票會(huì)從發(fā)行日后幾天會(huì)出現(xiàn)連續(xù)漲停的個(gè)數(shù)計(jì)算依據(jù)是從上市首日到出現(xiàn)成交量突然放大的成交日，這兩個(gè)計(jì)數(shù)日之間的天數(shù)之差即為上市后連續(xù)漲停板個(gè)數(shù)。

4 實(shí)證分析

4.1 情緒指標(biāo)的計(jì)算

首先新股與次新股從2017.2.28日到6.1日的收盤價(jià)序列進(jìn)行處理。對(duì)統(tǒng)計(jì)當(dāng)天設(shè)定前后5天為統(tǒng)計(jì)窗口期，計(jì)算這11天內(nèi)的走勢(shì)情況，首先計(jì)算這11天的每天的上漲(下跌)趨勢(shì)，計(jì)算第i天的趨勢(shì)是考慮前后5天期間的斜率，即：

4.2 實(shí)證過程

1.我們從115條數(shù)據(jù)中隨機(jī)抽取90條數(shù)據(jù)作為訓(xùn)練集，剩余25條數(shù)據(jù)作為測(cè)試集。

2.抽樣后，將測(cè)試集用AMORE包進(jìn)行人工神經(jīng)網(wǎng)絡(luò)進(jìn)行模型擬合。在構(gòu)造神經(jīng)網(wǎng)絡(luò)時(shí)，參數(shù)選擇會(huì)對(duì)結(jié)果產(chǎn)生不同影響。首先是節(jié)點(diǎn)的選擇，我們固定誤差范圍≤20%，變化隱藏層節(jié)點(diǎn)數(shù)(1到10)，計(jì)算準(zhǔn)確率。

3.隨后將測(cè)試集代入已知模型得到預(yù)測(cè)值。選擇激勵(lì)函數(shù)：

對(duì)該樣本進(jìn)行學(xué)習(xí)訓(xùn)練，允許最大誤差ε=1×10-6，初始學(xué)習(xí)步長η=0.001，最大訓(xùn)練步數(shù)=10000。

4.我們?cè)O(shè)定不同的誤差閾值，若預(yù)測(cè)值落入誤差閾值范圍內(nèi)，則認(rèn)為預(yù)測(cè)準(zhǔn)確，若落入誤差閾值范圍之外認(rèn)為預(yù)測(cè)失誤。最后計(jì)算此次抽樣的模型準(zhǔn)確率。通過調(diào)節(jié)誤差閾值的范圍，計(jì)算不同情況下模型的準(zhǔn)確度。

4.3 模型評(píng)價(jià)

定義D為誤差比率，表示預(yù)測(cè)值與實(shí)際值之間的偏差

其中yp為漲停板預(yù)測(cè)值，ya為漲停板實(shí)際值

5 結(jié)論和建議

通過大量數(shù)據(jù)分析新股上市后打開漲停板的交易日之后是存在套利空間。且獲利區(qū)間較大。同時(shí)，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)新股上市后漲停板個(gè)股和指標(biāo)的分析，我們認(rèn)為通過公司的財(cái)務(wù)指標(biāo)以及市場(chǎng)情緒指標(biāo)能在一度程度上預(yù)測(cè)股票上市后的連續(xù)漲停的天數(shù)。模型準(zhǔn)確性較高，在20%的誤差范圍內(nèi)，模型的準(zhǔn)確率達(dá)到了90.18%。

[1]周佩玲、邢根柳.股票價(jià)格趨勢(shì)預(yù)測(cè)研究[J].計(jì)算機(jī)工程，2002(1)：136-140

[2]丁圣、高風(fēng).小波神經(jīng)網(wǎng)絡(luò)在股票平均線交易規(guī)則中的應(yīng)用[J].計(jì)算機(jī)仿真，2006(11)

[3]李楨、徐凌宇.基于階段評(píng)價(jià)的BP及在股價(jià)預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)仿真，2006(12)

單督明(1997.02-)男，籍貫：浙江省東陽市，學(xué)歷：本科在讀，院校：浙江財(cái)經(jīng)大學(xué)，研究方向：金融工程專業(yè)