上证指数范文10篇

上证指数范文篇1

中国股市是中国改革开放以及市场经济发展的产物，为中国经济的迅速发展提供了有利的条件。但是，股市的暴涨暴跌也给广大的投资者带来的巨大的亏损。相对于国外成熟市场，我国股票市场在发展过程中也表现出了种种弊端与问题。这不仅给政府有效掌握股市脉搏带来了困难，而且让投资者也无所适从。

二、数据选取以及描述

本文选择以上证综合指数作为股票价格指数的代表，上海证券交易所从1991年7月15日起编制并公布该指数，以全部上市股票为样本，具有广泛代表性，能够反映整个股票市场的情况，选择每月收盘指数分析，收盘指数通常比较准确地反映股票价格的最终走势。模型的建立采用多元线性回归（WLS），建立社会消费品零售总额（SHLZ）、M1（货币流通量单位：百万）、CPI（居民消费价格指数（%））、L（l一年期存款利率（%））、Er（汇率）、对Sz（上证综指）的回归，研究各个因素对Sz的影响程度。主要模型框架：Sz=α+β1shlz+β2m1+β3cpi+β4ll+β5+er+β6ercpi+β7erm1+β8erll+β9ershlz+ε说明：Sz：上证综合指数；m1：货币供应量；cpi：居民消费价格指数；ll：一年期存款利率；er：汇率；shlz：社会消费品零售总额；ercpi：汇率与cpi交互项；erm1：汇率与货币供应量交互项；erll：汇率与一年期存款利率交互项；ershlz：汇率与社会消费品零售总额交互项；

三、回归结果以及实证分析采取10%的显著性时，除去了erm1。考虑到可能存在异方差，故对其进行异方差检验，检验结果如下：chi2(38)=55.98Prob>chi2=0.0301从检验的结果来看，不能拒绝原假设

，也即原模型中存在异方差，故要对此进行消除异方差，采用的是稳健异方差。结果如下：从上面的回归结果来看，消除异方差后，模型的拟合程度有了很大的提高（拟合值从0.92到0.98）。经济意义的检验与分析：

一是人民币汇率对上证股指的影响。从回归结果中，我们可以看到上证指数与人民币汇率之间是负相关，也即当人民币汇率升值时，er变小，对上证股指的负面影响减小，即上证股指上升。从实际情况来看，美元兑人民币走势的相对稳定，说明了在金融危机有所好转但尚未见底的情况，从政策上保持人民币币值的相对稳定有助于提高投资者的信心，避免资金的大量外流。

二是货币供应量对上证股指的影响。货币供应量的增加在短期会促进经济的发展，这就会增加人们的购买力，这样企业就更容易实现盈利，从而造成股价的上涨；并且，货币供应量的增加，意味着人们手中又更多的货币可以进行投资，这样可以增加人们在股票市场上的购买，引起股价的上涨。

三是利率变动对上证股指的影响。表中显示，利率变动与上证股指呈现出负相关的关系，并且从回归的系数来看（-20791），股票市场对利率的变动呈现出很高的敏感性。从实际来看，自从金融危机以来，政府为了刺激经济发展，下调利率，通过利率这条途径来降低公司的经营成本，从而获得更多的盈利，后来为了抑制房价，央行上调利率，引起股价短期内的下降。

四是消费者价格指数CPI对上证股指的影响。消费者价格指数可以反映每一时期的通货膨胀情况，是对经济中发生通货膨胀的一种很好的度量。现实中，我国近年来出现的通货膨胀，虽然根据统计局的统计来看，通货膨胀率不是很高，但实际上普通民众的生活已经受到通货膨胀的影响。

五是社会消费品零售总额对上证股指的影响。社会消费品零售总额一定程度上可以衡量一国的经济发展情况。当社会消费品零售总额上涨时，这预示着人们在消费上的增加，昭示着一国经济发展状态良好，国民收入增加，那么反映在股市上就是股价的上涨。

六是上面5种因素的交互项：erm1、erll、ershlz、ercpi。在实际当中，汇率、M1、利率、社会消费品零售总额以及CPI对股票价格的影响经常是共同作用的，并且，汇率与M1、利率、社会消费品零售总额以及CPI有着很高的相关性，加入这些交互项在很大程度上可以降低模型的多重共线性。

四、结论及政策建议

上证指数范文篇2

关键词：易变性OHLC估计量期限结构

研究问题的提出

频率分布和易变性的期限结构可以作为检验短期内证券运动是非线性随机过程可能性的证据。国内有不少的学者用频率分布的方法对上证指数的收益率进行了研究和分析，结果发现：上证指数的收益率分布呈现出胖尾和尖峰态的形状，说明了上证指数非线性随机运动的情形。笔者这里运用目前最新的OHLC估计量和夏普比率等统计指标，对易变性的期限结构进行分析，从另一方面对上证指数的收益率变化进行分析。易变性的期限结构是说在用标准差测度易变性时,我们假定它是根据时间的平方根而规模变化。例如，我们以乘上12的平方根来“年度化”每月收益的标准差。这一实践，源于Einstain做过的一个观察，分子在布朗运动下所覆盖的增加的距离，这是一个随着测度距离的时间平方根而增加的距离。

对于“易变性”的研究我们往往把焦点集中于时间上的稳定性。尽管“年度化”的这一广泛使用的方法已经闻名于世了；但有时候，标准差规模变化，以较快的速率，快于时间的平方根。我国的证券市场特别是上海证券市场的运行情况又是怎样的呢？从易变性的期限结构角度，我们同样必须了解和分析研究。

修正的易变性测度指标

作为一个概念，易变性的涵义是简单明了的。它测度的是关于一个中心趋势的变化性或者说是发散性。尽管我们在金融领域里都清楚地知道通常是把标准差作为易变性测度的指标，但是在实际的分析与运用中根据特殊的情况与分析的目的还是有一些微妙的变化。

测度易变性的指标有很多，除了标准差之外，著名的Sharpe比率也是权衡收益和风险的这样一个指标。在实际运用过程中，我们有时须对标准差指标作些修正，使之更好在反映实际的变化情况。首先看一下我们所熟悉的（close-closeestimator）CC估计量：

在上式中，r表示收益率指标。另一个被称为（high/lowestimator）HL估计量，它使用了每天的最大值与最小值来测度易变性指标。这些极端值是非常有用的，因为它包含了一个时段内证券运动的额外信息，这些信息用CC估计量很少能捕获。估计量的形式是：

这就是我们称为的HL估计量。Garman和Klassw的估计量并且使用了开盘价和收盘价，称为（open/high/low/close）OHLC估计量。形式为：

如果观察到的最大值和最小值是连续交易的价格对数真正分布的极端值，那么它的估计量是非常有效的。这里我们使用OHLC估计量对上证指数的易变性期限结构进行分析和研究。

上证指数易变性期限结构的测算

笔者这里使用1990年12月19日上海证券交易所成立伊始到2004年2月上旬共3077个交易日的数据的收益率指标进行分析。首先运用修正的、精度较高的OHLC估计量测算出的有关指标（这里就不列举了）。

然后，我们根据所测算出的指标用图形做出来，并且为了形象对比分析的需要，随时间变化的理论规模直线也被重叠画在了一起，如图1所示。

我们很容易的看到：易变性的确与时间的平方根以不同的比率变化。在这十几年的发展变化中呈现出明显的两个拐点，一个是约400天的时候，另一个是约1000天左右。我们可以看到在N<400天时，OHLC估计量以时间根的1.8670倍速度增长；而在4001000天时，又以时间根的1.3386倍速度增长。假如我们将标准差作为风险，投资者在N<400天和N>1000天两个期间将招致多于由正态分布所暗示的风险；而在400另一个方法是考察风险收益比率，即由它的发明者诺贝尔桂冠得主WillianSharpe命名的夏普比率（Sharperatio）。夏普比率的测算结果如图2所示。

从夏普比率图看，当N<1000天时，夏普比率的变化与与OHLC估计量的变化呈现出正相关的形式；当N>1000天时，随着OHLC估计量经过短暂的上升后逐步向下变化，而夏普比率稳定的上升。这就是说长期投资者每一个单位的回报，大于短期投资者。

进一步的讨论和总结

从上面的实证研究我们可以发现：上述的两种分析方法存在着一些微小的差别。当N<400天时，OHLC估计量以时间根的1.8670倍速度增长；而在400从上面的统计资料我们结合上交所初期的大事记要可以知道：证券市场早期上市的股票数量很少、交易额小、市场化程度很低；并且交易的地域范围相当狭小、经营管理、交易操作、法制和各种规章制度不健全、恶庄操作现象严重、投机气氛相当浓厚。“1992年1月2日上证综合股价指数收为最低的292.76点，为1992年中最低点”，接着“1992年5月26日上证综合指数最高升至1429.01点，创1992年最高纪录”。在不到5个月的时间里大盘飚升79.5%，当时的投机气氛可见一斑。之后政府出台了一系列的监管措施：“1992年10月，党中央、国务院决定，成立国务院证券委和中国证监会，统一监管全国证券市场，同时将发行股票的试点由上海、深圳等少数地方推广到全国”，“1992年年底，国务院颁布《国务院关于进一步加强证券市场宏观管理的通知》，这是深化改革，完善证券管理体制的一项重要决策”。大盘也从1429.01的高点一路调整下来，这便是第一个拐点和N<1000天之前市场走势的内在原因。

上证指数范文篇3

摘要：小波分析理论是一种新的信号处理方法，小波函数具有的“自适应”和“变焦”特性，能有效的处理非平稳信号。上证指数作为人们研究的热点，其具有明显的非平稳特性。本文采用Sym（2）小波对上证指数进行4层分解、重构、降噪以及多分辨分析，从其结果显示的长、短期的波动性特征将其划分为3个阶段，然后对这三个阶段进行分析，发现了上证指数在4到8天的平均波动构成了上证指数的主要波动频率。提出了上证指数的方差生成过程模型——V-DWM方差回归模型（上证指数波动性基于日、周、月的方差回归模型）。

关键词：离散小波变换；阶段性分析；V-DWM模型

一、引言

股票市场波动影响着投资者的风险和收益，对市场波动性特征的阶段划分研究成为金融研究者关注的对象，许多学者对我国股票市场的阶段性进行了研究，有关股票市场阶段性研究的角度主要集中在两方面：一是根据我国股票市场交易制度的变动而划分，二是对股市数据做趋势分析，根据波动性特征进行划分。陈娟和沈晓栋[1]、尹自永[2]以及陈守东、孟庆顺和孔繁利[3]对上证指数的阶段性划分进行了一些研究，虽然各自划分的阶段不大相同，但都是基于涨跌停板制度的变动而对股市进行阶段划分，然后再分别分析每个阶段的波动特征。这种划分方法是依据涨跌停板交易制度的变更会在很大程度上影响股市的波动而划分的。但我们认为，涨跌停板交易制度虽然会影响股市的波动，但其只是外部因素，不能全部反映股市的变动特征。比如说06年到09年这三年上证指数呈现出剧烈的波动，但这显然不再是涨跌停板制度的原因了。所以说这种划分方法存在一定的局限性，同时也缺乏理论的支持。另一方面，学者朱永安和曲春青[4]根据股市波动特征进行划分，采用GJR、GARCH-M模型，分析了利好消息和利空消息对股票市场的非对称影响，然后根据Perron趋势检验特征将上证指数划分为两个阶段。这种划分方法是作者对上证指数的对数散点图进行研究，然后根据散点图表现出来的特征对上证指数进行阶段划分，但其只对上证指数数据进行了对数处理，平滑效果不明显。本文使用去噪效果较好，重构又不失真的离散小波方法对上证指数的波动性特征进行分析，使其阶段的划分更加精确地依赖于上证指数的波动性特征。

小波分析是现在数学中一个发展迅速的领域。目前，它被广泛地应用于信号分析、图像处理等方面。但是，利用小波分析对实际的金融数据进行分析与预测的并不多。而事实上，金融数据也是一种时间序列，和我们平常分析的信号具有相同的特性。小波分析可以将信号小波分解到不同尺度的频率通道上，由于分解后的信号在频率成分上比原始信号单一，并且小波分解对信号作了平滑处理，这样对一些非平稳时间序列进行小波分解后，可以将其当作近似意义上平稳时间序列来处理，并且小波变换后重构不会丢失原始序列的信息，可以进行不同尺度下的多分辨分析。

由于小波分析的上述优良特性，将上证指数做为一个时间序列（信号）进行小波分析，有着重要的意义。我国学者将小波分析用于股票市场分析的起步比较晚，徐梅[5]系统地研究了小波分析在金融波动应用研究的方法理论。此后，多位学者也进行了实证研究，兰秋军、马超群、文凤华[6]比较分析了传统滤波方法对金融数据去噪的缺陷,采用小波分析对金融时间序列进行去噪；

邓凯旭、宋宝瑞[7]用小波分解对信号作了平滑处理,通过例子证明了这种预测方法的有效性；杜建卫、王超峰[8]亦得出用小波分解和重构在金融股票数据预测比传统的方法有效的结论；李智[9]系统地研究了小波在金融时间序列的应用。

基于此我们使用小波变换对上证指数进行多分辨分析，根据分析结果表现出来的波动性特征，将上证指数划分为三个阶段，并发现上证指数自身的长、短期波动特征之间的关系，最终得到一个上证指数波动性基于日、周、月的方差回归模型。

二、小波理论简介

小波：设为一平方可积函数，即，若其傅里叶变换满足条件：

则称为一个小波母函数，我们称上式为小波函数的可容许条件。

（一）小波变换

小波变换就是指把一称为基本小波的函数Ψ（t）做位移τ后，再在不同尺度а下与待分析信号x（t）做内积：

等效的频域表示是：

式中，分别是的傅里叶变换。

小波变换具有以下特点：

1.具有多分辨率的特点，可以由粗到细地逐步观察信号。

2.我们也可以把小波变换看成用基本频率特性为的带通滤波器再不同尺度下对信号做滤波。由于傅里叶变换的尺度特性，如果的傅里叶变换是，则的傅里叶变换为，因此这组滤波器具有品质因数恒定，即相对带宽（带宽与中心频率之比）恒定的特点。

3.适当地选择基本小波，使在时域上为有限支撑，在频域上也比较集中，便可以使小波变换在时、频两域都具有表征信号局部特征的能力，这样就有利于检测信号的瞬态或奇异点。

（二）离散小波

将小波基函数的、限定在一些离散的点上取值。

1.尺度的离散化：对尺度进行冥数级离散化，即令取，此时对应的小波函数是，j=0，1，2，……。

2.位移的离散化：对进行均匀离散取值，以覆盖整个时间轴。要求采样间隔满足Nyqiust采样定理，采样率大于等于该尺度下频率通带的二倍。在尺度j下，由于的宽度是的倍，因此采样间隔可以扩大，同时也不会引起信息的丢失。这样，就改成：

记为

离散小波变换定义为：

在实际中，我们一般取，这时。

当时，沿轴的相应采样间隔是，此时，变为：

即

我们把轴用归—化，，于是有：

此时，对应的WTf为：

（三）多分辨率分析与正交小波变换

构造正交基的方法一般是，在离散框架的基础上，取则：

我们把平方可积的函数看成是某一逐级逼近的极限情况。每级逼近都是用某一低通平滑函数对做平滑的结果，在逐级逼近时平滑函数也做逐级伸缩，这就是“多分辨率”，即用不同分辨率来逐级逼近分析函数。

把空间做逐级二分解产生一组逐级包含的子空间：

J是从到得整数，j值越小空间越大，当j=4时，如图1所示。

图1j=4函数空间的剖分

空间剖分是完整的，即当时，，包含整个平方可积的实变函数空间。

当时，，即空间最终剖分到空集为止。

这种剖分方式使得空间与空间正交，各个之间也正交，即：

这种函数空间的部分还具有位移不变性、二尺度伸缩性。

这样可得出多分辨率的概念，即空间中的多分辨率分析是指中满足下列条件的一个空间序列。

1.单调性：对任意，有。

2.逼近性：，。

3.伸缩性：，伸缩性体现了尺度的变换、逼近正交小波函数的变化和空间的变化具有一致性。

4.平移不变形：对任意，有。

5.Riesz基存在性：存在，使得构成的Riesz基。

定义函数为尺度函数，若其经过整数平移k和尺度j上的伸缩，得到一个尺度和位移均可变化的函数集合：

称每一个尺度j上的平移系列所组成的空间为尺度为j的尺度空间。

对于任意函数，有：

下式是从多分辨率理论导出的二进正交小波函数。所以，称为小波函数，相应的是尺度为j的小波空间。同时小波空间是两个相邻空间的差，即：

它表示相邻尺度空间的投影之间的细小差别即为函数在相应尺度小波空间上的投影，所以我们又称小波空间为细节空间。

1.尺度函数

同一尺度下j下的两个函数之间具有正交归一样，即：

但不同尺度之间的不具有正交性，即：

2.小波函数对所有的都是互相正交的。

3.同一尺度下，因为，所以小波函数和尺度函数之间是正交的，即：

三、离散小波实证研究

（一）样本及离散小波的选取

1.样本选取

对于上证指数的阶段性研究，所选取的样本要尽可能的跨越不同时期，同时为了避免将客观的冲击性事件（设立涨停板制度，修改印花税，和金融危机等）作为划分阶段的依据，样本的起始点和终止点在没有特定事件发生的时期中选择，如果某一事件影响的时期比较长，则尽可能选取在距该事件发生后较长的时间点。本文选取上证指数在1992年5月22日到2009年9月9日收盘价共4096（212）个数据为样本（见图2）。（选择212个数据作为样本可以满足离散小波的二进尺度的要求）

2.离散小波的选取

由于Symlets系是具有有限紧支撑性的正交小波，其时域和频域的局部化能力强，所以用来分析上证指数时间序列，可以将上证指数序列分解到不同的尺度进行研究。

对Sym2的选择是尽可能平衡小波滤波器的宽度的结果。因为，宽度很短的小波滤波器有时会在分析结果中出现人工痕迹（不真实的块状、鲨鱼鳍和三角形状），宽度大的小波滤波器可以更好地反映时间序列的特征，但会导致更多的小波系数被影响以及离散小波变换系数的局部化等级会较少。本文选取Sym2是在实验的结果中选取的，使宽度不断的扩大，直到得到小波系数没有人工痕迹的分析结果。

对分解层次的选择是基于分析上证指数波动性的特征这一特定的问题而做出的选择。在金融市场上，波动的来源有很多，投资者初始禀赋、投资者策略、信息不对称以及地域和时间的影响等等。

假设仅仅关注不同类型交易者在不同时间尺度的影响，金融时间序列表现出不同类型交易者频率的组合，不同的交易者的交易策略在交易结果中留下不同的频率（如社保基金，公募基金，保险公司等交易者交易频率较低，但是交易量巨大）。将投资者划分三种类型:短期投资者频率集中在2个工作日（由于我国股市是T+1交割）；中期投资者的交易策略一般是以5个工作日为平均变化的；长期投资者在以月为时间间隔来实现其交易策略的。

上证指数的波动可以看作是这三种不同类型的交易者不同的交易策略所引起的波动的组合。这样，选择4分解层次在不同的尺度上可以和三种交易者的策略引起的波动相对应，尺度1、2、4、8、16分别对应现实中股票交易日1、2、4、8、16工作日。这样尺度1、2反映了短期投资者的交易频率，尺度4、8反映中期投资者的频率，尺度16（16×2）则反映长期投资者的频率。

下文我们用Sym2小波进行4层分解、降噪、重构以及多分辨分析（matlab7.0）。

（二）上证指数的分解、降噪和重构

用Sym2小波进行4层分解、降噪（图4）、重构（图3）与原始价格（图2）的比较。

图2上证指数收盘价价格图图3小波重构上证指数收益率序列

图4Sym2（4层）离散小波降噪图

图5Sym2（4层）离散小波降噪残差图

对以上得出的图表结果，总结出表1的数据。

表1图表分析有效数据

统计量均值最大值最小值中位数众数标准差

原始15676092333.913451198972.1

合成15676092333.913451198972.1

降噪后残差-0.03689.51-89.760.7565.24923.19

从上证指数收盘价图和用Sym2（4层）离散小波重构上证指数收益率序列图形的比较来看，原始收盘价图（图2）和小波重构图（图3）非常相似，统计量基本相同（表1）。均值大于中位数，中位数大于众数，呈右偏态分布。可见用Sym2离散小波4层分解上证指数重构不会导致信息的丢失。降噪后，时间序列表现平滑（图4），Sym2离散小波（4层）分解降噪后残差均值为-0.03643，标准差为23.19，残差序列近似于白噪声，直方图近似正态分布（图5），用Sym2（4层）离散小波可以很好的处理上证指数的降噪问题。

（三）上证指数的多分辨分析

上面已说明上证指数收盘价序列经小波重构后与原始序列相比较，没有信息丢失，所以利用Sym2小波变换对上证指数进行多分辨分析（图6）。

图6上证指数多分辨分析图

由于上证指数收盘价每隔一个工作日为时间间隔，所以尺度：d1的实际周期为1工作日，d2的实际周期为2工作日，d3的实际周期为4工作日，d4的实际周期为8工作日。从四层细节总体的平均变化来看，可以分为三个阶段，1995年6月12日以前为一阶段，从1995年6月12日到2006年4月13日个为第二阶段，从2006年4月13日到2009年9月9日为第三阶段。三阶段的波动程度表现为：第三阶段剧烈波动，第一阶段较大波动，第二阶段比较平稳。细节四层小波系数在三阶段的集中趋势如表2所示。

表2三阶段集中趋势表

第一阶段

19920522到19950612第二阶段

19950612到20060413第三阶段

20060413到20090909

均值最大值最小值均值最大值最小值均值最大值最小值

d1-1.16397.71-80.970.467357.5-80.060.02182.8-412.7

d21.904153.1-117.6-0.038109.6-98.43-1.2579.5-314.3

d3-4.333210.2-261.3-1.578275.8-162.13.86509.3-559.5

d4-5.237322.4-452.10.4769312.6-258.52.06595.7-1305

在第一阶段，上证指数的细节在不同尺度上均值为三负一正，且在高尺度d3、d4负项较大，说明上证指数在较长的走势中表现下降的趋势，在低尺度上，正负偏向差值较小为0.741。在第二阶段，有三个细节均值绝对值均小于0.5（d1的为0.4673，d2的为-0.038，d4的为0.4769）趋势集中，有稳定的趋势。在第三阶段，细节的均值呈正向的有d3的为3.858，d4的为2.056，偏离正向比较大，说明在第三阶段总体表现出上升的趋势。

为了研究尺度与标准差之间的关系，我们做了细节四层小波系数在三阶段的标准差之间的对比如表3所示。

表3细节四层小波系数在三阶段的标准差

标准差表d1d2d3d4

第一阶段（19920522—19950612）21.7432.7771.76136

第二阶段（19950612—20041020）12.8521.4445.4983.36

第三阶段（20041020—20090909）52.0987.27144.2236.1

在四层细节中，第三阶段的标准差大于第一阶段的标准差，第一阶段的标准差大于第二阶段的标准差，说明了上证指数在第三阶段波动剧烈，在第一阶段波动较大，而在第二阶段趋于平稳。

在上表中还可以看出，尺度越高，标准差越大的趋势，说明上证指数的平均变换随时间的增加而波动幅度变大。

由于上证指数在第三阶段波动剧烈，所以我们单独把第三阶段的波动特征拿出来分析一下，研究一下股市上涨阶段与下跌阶段的波动性差异，具体分析结果如表4所示。

表4典型的上升阶段和下降阶段的细节集中和离中趋势

上升阶段（20060907--20071016）下降阶段（20071016--20081229）

均值（标准差）最大值最小值均值（标准差）最大值最小值

d10.09（31.25）145.4-123-1.47（74.04）182.8-412.7

d20.03（41.28）188.7-96.22-3.77（144.3）579.5-314.3

d3-0.62（57.93）127.8-172.6-15.3（224.5）344.9-559.5

d41.74（42.19）145.4-161.5-65.0（415.5）331.7-1305

从表4可以看出，上证指数在下降阶段要比在上升阶段波动的剧烈，下降要比上升快。反映了我国股市股民的追涨杀跌的羊群效应，在发生羊群效应时，跟风向下的心态要偏好于受利好诱惑的追涨的心态。细节反映了上证指数的波动集群效应，即大的波动后面紧跟着大的波动，小的波动后面往往是小的波动。

在Sym2离散小波（4层）分解上证指数收盘价序列图中，光滑a4（尺度为16工作日）与原始图和合成图比较，光滑a4很好的反映了上证指数收盘价序列的长期趋势，没有出现三角波纹和鲨鱼鳍的人工痕迹。Sym2离散小波（4层）分解上证指数收盘价序列s=a4+d4+d3+d2+d1（见图6）。

上证指数在股市初创期波动较大，且呈现剧烈波动，投机氛围十分明显，从最初到1995年6月一直呈上升型趋势，且速度特别快，从1995年6月到1996年11月波动率方差呈下降趋势，但是仍然具有很高的波动性。虽然1997年上证指数有起起落落，但是还处在波动性高位。从1998年之后上证指数波动率长期处于缓慢的下降通道，一直到2006年。2006年上证指数波动率又开始上升，并且波动剧烈，2007年的过山车行情，尤其是2007年10月16日附近的波动在不同尺度下的系数比较大，波动尤其突出。

（四）小波分析小结

本文用Sym2离散小波（4层）对上证指数收盘价序列进行分解、降噪、重构以及不同尺度的多分辨分析，将上证指数分为了三个阶段，证明了我国股市存在的羊群效应和波动的集群效应，并发现了上证指数收盘价序列的波动在间隔（1，2，4，8工作日）的范围内随着时间间隔的增大而变大，上证指数波动的主频体现在时间间隔为4工作日和8工作日的平均变化。在相邻的上升阶段和下降阶段，下降时候的波动高于上升时候的波动。

四、V-DWM方差回归模型

（一）模型设定

根据小波分析的结论，时间间隔4和8工作日的平均变化波动贡献了上证指数的主要波动。在股票市场上，短期投资者、中期投资者和长期投资者由于交易的策略不同，表现出不同的交易行为（频率）。但是三者的影响并不是相同的，中长期交易者的行为对短期交易者行为的影响要强于短期交易者对中长期交易者行为的影响。本文以上证指数时间序列特征出现的主要时间间隔提出V-DWM方差回归模型，来拟合上证指数的波动性特征。D(date日),W(week周)，M（month月），根据我国的实际情况，日代表我国股票交易所工作日，一周包含5个工作日，一月包含四个周即20个工作日。波动率，为收益率。

假设数据生成过程：

=(t=1到n)，为随机项（1）

2=Var()

（2）

满足经典计量经济学的假定并且服从标准正态分布；设其中：

（3）

（4）

（二）实证模拟

样本选取与处理：本文选取上证指数收盘价为研究对象，样本区间为1992年5月22日到2009年9月9日（共4096个数据），计算其收益率方差。设定日波动方差，周波动方差和月波动方差的计算初始值一样，本文以月波动方差的数据个数为基础，做模型回归。

模型估计：通过以上样本估计模型（2）

上式中的各个系数估计值以及其统计量如表5所示。

表5变量估计值

变量

系数标准差T统计量P值

4.904.370．00

0.080.033.180.00

2.080.0542.710.00

-1.170.03-44.650.00

从T统计量来看，该模型的四个系数通过了检验，显著不为0，全部系数统计量也通过了F检验，拟合优度R2=0.997248，调整后的拟合优度R2=0.997245，很好的拟合了波动率方差走势。上证指数的波动率方差表现出和预期相符的对前期日方差、周方差、月方差显著的相关性，但是前期方差对其的影响并不大，系数仅为0.08，月方差是负影响，系数为-1.67，周方差对方差的生成过程有较大的影响，系数为2.08。

从实证结果可以看出，我国上证指数波动的方差，在周的影响上高于日波动和月波动的影响，和小波分析的结论一致（即上证指数时间序列的波动主频主要体现在尺度为4和8的分解的小波系数上）。反映了上海股票交易市场上短期交易者的交易频率引起的波动不会影响到中长期交易者的交易策略，因为中长期投资者更关注长期的波动。相反，中长期的波动会影响到短期交易者的交易行为，因为，在市场上，中长期投资者的交易行为主导了长期的波动，短期交易者关注短期波动对资产未来的风险和收益的影响，而短期波动往往由于股市的长期记忆性而被过去很长时间的波动所影响，V-DWM方差回归模型就证明了长期波动往往影响到短期波动的这一特征。所以我国上海股票交易市场上，中期投资者交易波动最大，并且和长期投资者的交易行为一起影响短期交易者的行为。

五、结论

本文用Sym2离散小波对上证指数收盘价进行4层分解、降噪、重构和多分辨分析，在多分辨分析的基础上对上证指数波动性进行确定的阶段划分，在1995年6月12日以前和2006年4月13日到2009年9月9日这两个阶段里，上证指数波动剧烈，从1995年6月12日到2006年4月13日波动比较平稳，并且上证指数在下降阶段比上升阶段的波动幅度更大，发现了时间间隔4和8工作日的平均变化波动贡献了上证指数的主要波动。在波动阶段性研究的基础上我们提出了一个上证指数的方差生成过程，即V-DWM方差回归模型，证实了上证指数序列的主要波动源于工作周的波动。证明了在我国上海股票交易市场上，中长期交易者的行为明显地影响着短期交易者的行为。

参考文献：

[1]陈娟，沈晓栋．中国股票市场收益率与波动性的阶段性研究[J]．统计与决策，2005-04（下）．

[2]尹自永．我国股市波动的阶段性特征研究——基于ARCH模型族的实证研究[J]．价值工程，2008-12．

[3]陈守东，孟庆顺，孔繁利．上海股市的阶段性分析与有效性检验[J]．学习与探索，2005-01．

[4]朱永安，曲春青．上海股票市场两阶段波动非对称性实证研究[J]．统计与信息论坛，2003-07．

[5]徐梅．金融波动分析的小波和频域方法研究[D]．天津大学博士学位论文，2003-12．

[6]兰秋军，马超群，文凤华．金融时间序列去噪的小波变换方法[J]．科技管理研究，2004（6）．

[7]邓凯旭．宋宝瑞小波变换在金融数据分析中的应用[J]．数理统计与管理，2006-03（2）．

[8]杜建卫，王超峰．小波分析方法在金融股票数据预测中的应用[J]．数学的实践与认识，2008-04．

[9]李智．小波分析与经济金融时序应用研究[D]．厦门大学博士学位论文，2007-03．

上证指数范文篇4

关键词：易变性OHLC估计量期限结构

研究问题的提出

频率分布和易变性的期限结构可以作为检验短期内证券运动是非线性随机过程可能性的证据。国内有不少的学者用频率分布的方法对上证指数的收益率进行了研究和分析，结果发现：上证指数的收益率分布呈现出胖尾和尖峰态的形状，说明了上证指数非线性随机运动的情形。笔者这里运用目前最新的OHLC估计量和夏普比率等统计指标，对易变性的期限结构进行分析，从另一方面对上证指数的收益率变化进行分析。易变性的期限结构是说在用标准差测度易变性时,我们假定它是根据时间的平方根而规模变化。例如，我们以乘上12的平方根来“年度化”每月收益的标准差。这一实践，源于Einstain做过的一个观察，分子在布朗运动下所覆盖的增加的距离，这是一个随着测度距离的时间平方根而增加的距离。

对于“易变性”的研究我们往往把焦点集中于时间上的稳定性。尽管“年度化”的这一广泛使用的方法已经闻名于世了；但有时候，标准差规模变化，以较快的速率，快于时间的平方根。我国的证券市场特别是上海证券市场的运行情况又是怎样的呢？从易变性的期限结构角度，我们同样必须了解和分析研究。

修正的易变性测度指标

作为一个概念，易变性的涵义是简单明了的。它测度的是关于一个中心趋势的变化性或者说是发散性。尽管我们在金融领域里都清楚地知道通常是把标准差作为易变性测度的指标，但是在实际的分析与运用中根据特殊的情况与分析的目的还是有一些微妙的变化。

测度易变性的指标有很多，除了标准差之外，著名的Sharpe比率也是权衡收益和风险的这样一个指标。在实际运用过程中，我们有时须对标准差指标作些修正，使之更好在反映实际的变化情况。首先看一下我们所熟悉的（close-closeestimator）CC估计量：

在上式中，r表示收益率指标。另一个被称为（high/lowestimator）HL估计量，它使用了每天的最大值与最小值来测度易变性指标。这些极端值是非常有用的，因为它包含了一个时段内证券运动的额外信息，这些信息用CC估计量很少能捕获。估计量的形式是：

这就是我们称为的HL估计量。Garman和Klassw的估计量并且使用了开盘价和收盘价，称为（open/high/low/close）OHLC估计量。形式为：

如果观察到的最大值和最小值是连续交易的价格对数真正分布的极端值，那么它的估计量是非常有效的。这里我们使用OHLC估计量对上证指数的易变性期限结构进行分析和研究。

上证指数易变性期限结构的测算

笔者这里使用1990年12月19日上海证券交易所成立伊始到2004年2月上旬共3077个交易日的数据的收益率指标进行分析。首先运用修正的、精度较高的OHLC估计量测算出的有关指标（这里就不列举了）。

然后，我们根据所测算出的指标用图形做出来，并且为了形象对比分析的需要，随时间变化的理论规模直线也被重叠画在了一起，如图1所示。

我们很容易的看到：易变性的确与时间的平方根以不同的比率变化。在这十几年的发展变化中呈现出明显的两个拐点，一个是约400天的时候，另一个是约1000天左右。我们可以看到在N<400天时，OHLC估计量以时间根的1.8670倍速度增长；而在4001000天时，又以时间根的1.3386倍速度增长。假如我们将标准差作为风险，投资者在N<400天和N>1000天两个期间将招致多于由正态分布所暗示的风险；而在400另一个方法是考察风险收益比率，即由它的发明者诺贝尔桂冠得主WillianSharpe命名的夏普比率（Sharperatio）。夏普比率的测算结果如图2所示。

从夏普比率图看，当N<1000天时，夏普比率的变化与与OHLC估计量的变化呈现出正相关的形式；当N>1000天时，随着OHLC估计量经过短暂的上升后逐步向下变化，而夏普比率稳定的上升。这就是说长期投资者每一个单位的回报，大于短期投资者。

进一步的讨论和总结

从上面的实证研究我们可以发现：上述的两种分析方法存在着一些微小的差别。当N<400天时，OHLC估计量以时间根的1.8670倍速度增长；而在400从上面的统计资料我们结合上交所初期的大事记要可以知道：证券市场早期上市的股票数量很少、交易额小、市场化程度很低；并且交易的地域范围相当狭小、经营管理、交易操作、法制和各种规章制度不健全、恶庄操作现象严重、投机气氛相当浓厚。“1992年1月2日上证综合股价指数收为最低的292.76点，为1992年中最低点”，接着“1992年5月26日上证综合指数最高升至1429.01点，创1992年最高纪录”。在不到5个月的时间里大盘飚升79.5%，当时的投机气氛可见一斑。之后政府出台了一系列的监管措施：“1992年10月，党中央、国务院决定，成立国务院证券委和中国证监会，统一监管全国证券市场，同时将发行股票的试点由上海、深圳等少数地方推广到全国”，“1992年年底，国务院颁布《国务院关于进一步加强证券市场宏观管理的通知》，这是深化改革，完善证券管理体制的一项重要决策”。大盘也从1429.01的高点一路调整下来，这便是第一个拐点和N<1000天之前市场走势的内在原因。

上证指数范文篇5

关键词：上证指数深证成指收益率正态性检验相关性分析

我国股市从1984年11月14日第一只股票公开发行起步，至今已经21个年头。尤其经过1990年12月至今这一阶段的高速发展，我国股市从一个相对独立的市场正在逐渐地与全球股市相连接和相互影响，并且正在逐步地完善和发展，同时也应该看到，我国股票市场在全球股票市场中的比重和地位在不断的增强。因此，研究我国股票市场现在的发展程度和状况，研究它与美国等国际成熟的股票市场相比有什么样的特点以及与这些国际股市的联系是否密切等都是证券相关人员所关切的问题。股票市场价格及收益率的变化特征是考察和分析股票市场运行机制、风险特征和结构特点的重要层面，也是运用现代资本市场理论对股票市场进行实证研究的基础。由于股票指数是作为反映股票市场上所有股票价格变化趋势的测度指标，所以研究它的统计规律性具有重要的分析价值和现实意义。本文运用正态性检验、相关性分析等统计方法，通过对道琼斯工业平均指数、恒生指数、上证指数以及深证成指9年间的实际数据进行统计、分析和比较，从实证层面来研究和解释我国股票市场过去九年间所具有的某些特点和特征。

道琼斯工业平均指数、上证指数与深证成指的收益率分布对比

考虑到涨跌停板制度对我国股市收益率分布的影响，我们选取上证指数和深证成指从1996年12月16日至2005年12月16日期间的数据作为我们研究的对象。为了便于进行对比，我们同样截取了道琼斯工业平均指数同期的数据作为与上证指数、深证成指的对比对象。下面我们考虑日收益率r(t)的分布情况：其中P(t)表示时刻的股票指数(或股票价格)。

在本文中，我们首先采用正态性检验新标准中的图方法来对上证指数和深证成指的收益率进行分析和研究。当我们对某证券指数(或股票价格)的数据统计、整理、计算和根据图方法绘出正态概率图，就可以得到类似图1的图形。当正态概率图上所绘的点相对直线出现系统偏差时，正态性检验新标准还提供了真实数据的概率分布与正态分布之间偏离程度的直观信息。

图1是根据上证指数自1996年12月16日至2005年12月16日期间的每个交易日数据而绘出的日收益率r(t)(t=0,1,2,L)的正态概率分布图。从图1中曲线的分布情况，我们得知上证指数日收益率不完全满足正态分布，而是相对正态分布都具有明显的“高峰厚尾”或“宽尾”现象。这正是Mandelbort在1963年发现的“金融收益率序列的高尖峰和厚尾”的事实。我们做出了深证成指和道琼斯指数的正态概率分布图，也看到了相同的高峰厚尾现象。

上面已经从指数收益率的正态概率图中得出了收益率序列不服从正态分布的结论，下面采用偏度—峰度法来对三个证券指数收益率序列进行正态性检验。我们已经知道标准正态分布的峰度为3，偏度为0。如果某一分布其峰度大于3，则称此分布相比标准正态分布具有高峰厚尾现象。使用Matlab6.5软件对所得到的日收益率数据进行计算得表1。

表1表示出了道琼斯工业平均指数、上证指数与深证成指的收益率的统计特征。从表1可知，三个指数的峰度值都大于3，都有高峰厚尾现象。偏度都不等于0，这说明三个指数收益率的分布都不是对称的，其中上证指数与深证成指的偏度都大于0，说明它们都是右偏的，表现在股市上说明市场上出现正收益的机会要比出现负收益的机会大；道琼斯指数的偏度小于0，说明道琼斯指数是左偏的，在股市中出现负收益的机会比正收益的机会大。从均值的比较可以知道道琼斯指数的平均收益率要远远大于上证指数和深证成指的平均收益率。从方差的比较可以看到上证指数和深证成指的方差要远大于道琼斯指数的方差，这也说明我国股票市场的风险要比美国股票市场的风险大很多。从上面的对比中我们不难发现中国证券市场具有收益不稳定、风险高等新兴市场特点，而美国证券市场具有收益稳定、股市波动小等成熟市场的特点。这一特点也可以从证券指数绝对收益率图得到验证。

图2是上证指数、深证成指和道琼斯工业平均指数收益率绝对值的图像，其中图中的横坐标表示交易日的时刻，纵坐标表示单个交易日日收益率的绝对值，它反映了日收益率的大小。从图2的比较可以看到，在我国的两个证券指数收益率绝对值的图中，暴涨或暴跌的频率高、涨跌幅度大，再加之我国现今为止既没有做空机制也没有指数期货等套期保值工具，所以我国投资者投资股票面临的风险很大；而道琼斯指数在相同的时期里则表现的较为平缓，股市较为平稳，而且美国股市既有做空机制又有股指期货、股指基金等避险投资工具，美国投资者选择的空间大，风险相对要小的多。

道琼斯指数、恒生指数与上证指数、深证成指的相关性分析

由于我国股市从发展初期就具有其相对的独立性和特殊性，虽然上证指数与深证成指具有极强的联动性，但是我国股市与全球股市的联系和联动性并不十分明显。近些年来，随着我国经济的不断发展壮大，这种联络和联动性正在不断地加强。在这里我们讨论过去九年中，道琼斯指数和香港恒生指数与我国的上证指数和深证成指价格之间的互动关系。

通过上述分析可以看出我国大陆股市与美国、香港等成熟股市之间的联系以及互动性的程度。如果相关系数为正，则说明我国股市会随着这些成熟股市的波动而做同向的波动，如果相关系数为负则说明我国股市会与这些成熟股市做逆向波动。如果相关系数很小或不具有统计意义就说明我国股市的波动性基本不受上述成熟股市波动性的影响。在这个研究中，我们将利用一些应用软件来分析相关的数据，这里主要利用SPASS12.0软件中的二元变量相关性分析(BivariateCorrelation)计算Pearson相关系数(PearsonCorrelation)，可得表2。

表2表达了道琼斯指数、恒生指数与上证指数、深证成指价格的相关系数。SPASS的相关性分析过程的原假设为：两个变量间的相关系数为0。SPASS的相关性分析过程给出了该假设成立的概率。一般地，SPASS给出假设成立的显著性水平为（表中Pearson相关系数后带**项的显著性水平是）当所得概率小于（或者带**的项的概率小于）时，则认为原假设不成立,其相关系数为表中给出的值；否则接受原假设，认为两个变量的相关系数为0。可以得到以下结论：

道琼斯指数对上证指数的影响要比对深证成指的影响大的多，甚至比对恒指的影响更大。从表中道指一行可以看到：道琼斯指数与上证指数的相关系数为0.49，在显著性水平为1%下，有统计意义。道指与深证成指的相关系数为0.02，双尾检验下的概率0.363在显著性水平为5%下没有统计意义，因此可以认为道指与深证成指没有线性相关性。同样可知，道指价格与恒指价格成明显的正相关性，可见恒指受道指的影响也很大。

恒生指数对深证成指的影响要比对上证指数的影响大。从恒生指数一行的数据可看到：恒指与上指和深指的的相关系数分别为0.288和0.472，在显著性水平1%下都有统计意义。

上证指数与其它三个指数的相关系数由大到小依次为：深证成指、道琼斯指数和恒生指数。这一结论可以从上证指数一行得到。

本文通过对中外四个证券指数收益率的对比以及价格的相关性分析，说明我国股票市场作为一新兴股市具有波动大、难以预测等特点。虽然目前我国证券指数的波动具有相对的独立性，但是在不远的将来，我国股市与美国、香港等发展成熟的股市会有明显的正向互动性而且联系会更加密切。

参考文献：

上证指数范文篇6

关键词：有效性；ARMA模型；实证分析

1引言

随着生活水平的不断提高，人们已经逐渐有了新的理财观念，不再单一的把资金存在银行，而是积极主动地投资于股票、房地产、基金等理财产品中，享受国家高速经济增长带来的利益。由于股票市场的高风险，使许多保守的投资者望而止步，不敢越雷池半步。那么股票市场是不是完全不可以预测的呢？许多学者对股票市场的可预测性进行了分析。

按照法码1965年在《股票市场的价格行为》一文中的定义,如果证券价格充分反映了可得的信息,证券价格总是代表其内在价值的最佳估计,则该证券市场是有效的。法码将有效市场分为3种类型:价格已反映所有包括过去的价格,交易量和短期利率等历史信息的，为弱式有效;所有关于公司发展前景的包括过去价格、公司财务报告、管理质量、资产负债表构成、专利数量和会计规范等公开信息都在股票价格中得到反映的，为半强式有效市场;以及价格不仅反映了关于公司的所有公开信息,而且反映了只有少数内幕人士知道的内幕信息,但对投资者做出决策都没有任何价值的，为强式有效。弱式有效市场检验主要通过检验证券价格和收益变动的可预测性进行判断。若其可预测,过去的股票价格与未来的价格走势有关联,则市场未达到弱式有效,反之,则达到了弱式有效。下面就来分析中国的股票市场是否可由其历史资料进行预测，由此来分析股票市场的弱式有效性。

2变量选择与计量方法的选择

中国股票市场场内交易的市场主要有上海证券交易所与深圳证券交易所，因要考察所有股票的可预测性，所以选用了上证指数与深证成指作为考察对象，来检验它们是否可以通过历史信息进行预测，进而考察整个股票市场的弱式有效性。我们采用了从1992年1月到2007年10月的每月末收盘指数作为研究对象。

在计量方法的选择上，采用了自回归移动（滑动）平均模型，即ARMA模型。根据本文的需要，如果上证指数与深证成指可以构建成ARMA模型，那么中国的股票市场就可以通过历史信息来反应，即中国的股票市场不是弱式有效的市场。

3计量模型与实证结果

3.1对上证指数与深证成指进行单位根检验

由于所要构建的自回归移动平均模型是平稳时间序列模型，所以在建模前先来检验参数的平稳性。使用扩展的单位根检验方法对上证指数与深证成指进行检验。

（1）上证指数（SZZS）的ADF检验结果为，在5%的显著水平下，上证指数存在单位根，由上证指数构成的时间序列不平稳，不能直接进行建模。

（2）深证成指（SZCZ）的ADF检验结果为，在5%的显著水平下，深证成指存在单位根，由深证成指构成的时间序列不平稳，不能直接进行建模。

检验结果表明：上证指数与深证成指所构成的时间序列都不是平稳的时间序列，不能直接运用这两组数据作为参数构建模型。为了消除序列的非平稳性，我们运用指数的变化率作为研究、建模的对象。

3.2对上证指数与深证成指的变化率序列进行ADF检验

（1）上证指数变化率序列的ADF检验结果为，在1%的显著水平下，上证指数变化率序列不存在单位根，由上证指数的变化率构成的时间序列是平稳的时间序列，可以进行建模。

（2）深证成指变化率序列的ADF检验结果为，在1%的显著水平下，深证成指变化率序列不存在单位根，由深证成指的变化率构成的时间序列是平稳的时间序列。

检验结果表明：上证指数与深证成指的变化率序列是平稳的时间序列，可以直接进行建模，下面就对这两个序列构建ARMA模型。

3.3上证指数变化率与深证成指变化率的ARMA模型

（1）上证指数变化率的ARMA模型为：sr2=0.363srt-27+εt-0.761εt-23

（2）深证成指变化率的ARMA模型为：srt=0.628srt-1+0.106srt-3+0.4srt-9-0.365srt-11+εt-0.481εt-1-0.294εt-9-0.213εt-10+0.629εt-113.4实证结果与结论

通过上面两个模型的分析，可知上证指数与深证成指都可以由其历史数据进行预测，这就说明了在我国的股票市场上，过去的股票价格与未来的价格走势是有关联的,可以通过过去的股票价格来预测未来的股票价格的走势，中国的股票市场存在比较明显的套利机会，我们只要掌握了中国股票市场中存在的规律，进行动量交易策略，就可以获得稳定的收益，我国的股票市场不是完全的弱式有效的市场。

但是，上证指数与深证成指都可以由其历史数据进行预测的程度并不相同。从上面的模型结果可以看出，上证指数变化率模型的结果明显好于深证成指变化率模型的结果，各项统计指标也是上证指数变化率模型的结果比较显著，即深圳股票交易市场的有效性强于上海股票交易市场。

随着中国股票市场的不断发展，这种套利机会就会被越来越多的投资者所发掘，最终，博弈的结果会使中国的上海和深圳两个股票交易市场越来越趋于弱式有效的市场。这时，市场将反映包括过去的价格,交易量和短期利率等历史信息在内的所有信息，中国的股票市场也就不存在明显的套利机会，也就更有利于中国股票市场的健康发展。

参考文献

［1］高铁梅.计量经济分析方法与建模［M］.北京：清华大学出版社.

［2］滋维，博迪等.投资学［M］.北京：工业出版社.

上证指数范文篇7

探讨基于IOWA算子的组合预测模型.先建立了灰色预测模型、随机游走模型和回归预测模型三种单项预测模型，在此基础上构建了组合预测模型，得到上证指数月均指数的预测情况，并对几种预测结果进行了评价.再利用IOWA组合预测得到的权重，预测我国2012年11月到2013年10月的上证指数走势.

2IOWA组合预测模型及基本预测模型的建立

随机游走模型有两种，其数学表达式为：不带漂移项的随机游走：Yt=Yt-1+et和带漂移项随机游走：Yt=α+Yt-1+et.式中：α是常数项（漂移项），Yt是时间序列（用股票价格或股票价格的自然对数表示）；et是随机项，E(et)=0；Var(et)=σ2，即et为白噪声过程.则称Yt为随机游走过程.认为收盘价跟最高价，最低价，以及成交量有关，所以本文选取最高价，最低价，以及成交量作为因变量.对它们指数平滑后进行多元回归，其中成交量不显著，所以只选取最高价x1和最低价x2，以x1和x2为自变量，上证指数月均指数为因变量y，建立回归模型：y=0.5735x1+0.4259x2（6.6026）（4.8282）R2=0.9999DW=2.307模型通过检验，且拟合效果较好，运用该模型进行预测，预测结果及精度见表1.

3实证分析

本文选取2011年10月至2012年10月上证指数的月收盘价格指数作为研究样本，数据来源于锐思数据库.首先用excel表格计算出三个单项预测模型的预测值和预测精度.再利用lingo软件，计算得到基于IOWA的组合预测模型的最优权系数为：w1*=0.9964，w2*=0.0016，w3*=0.0020.根据各项预测方法的预测值和得到的权系数，计算出组合预测值并计算得预测精度.得到结果如表1所示：为能够更为全面的比较IOWA组合预测与各单项预测的预测有效性，本文选择了平方和误差（SSE），均方误差（MAE），平均绝对误差（MSE），平均绝对百分比误差（MAPE）和均方百分比误差（MSPE）五个常用的比较指标，IOWA组合预测与各单项预测法的各评价指标值见表2.从表2预测效果评价指标体系来看，基于IOWA的组合预测模型的各种误差指标值均明显的低于各单项预测的计算结果，从而表明组合预测方法优于单项预测方法，IOWA组合预测是有效的，能够有效地提高预测精度.由于未来的真实值无法得到，所以无法计算预测精度，从而也无法根据精度计算出权重.所以本文采取根据预测月份前13个月的平均权重进行赋权给每项单项预测的办法，进行预测.先将各单项预测往后预测12个月，其中在进行多元回归时，将最高价和最低价进行三阶指数平滑，从而利用估计方程，得出预测值.利用之前的办法得到预测权重，用组合预测往后预测12个月的上证指数预测值如表3所示：表3的预测结果表明，未来12个月我国上证指数的收盘价先有上升趋势，后有下降的趋势，具有一定的波动性.

4结论

上证指数范文篇8

保险资金来源的期限短。财产保险公司可以进行资金运用的资金主要有自有资本、经营利润和保费收入中的未到期责任准备金。在这三项资金来源中，自有资本和经营利润，保险公司能够长期使用，而未到期的责任准备金则由于其固有的特性只能进行短期运用。在保险公司资金运用的三项来源中，前两项由于受到保险公司规模和经营能力的限制，在保险资金运用中的比例往往很低，保险公司更多的利用保费收入进行资金运用。财产保险公司目前主要经营的是中短期保险产品，保险期限一般比较短，除了一些具有投资功能的产品外，大部分产品的保险期限都在一年以内，这也使其保费收入以短期为主。保费收入的特点决定了保险公司在保险资金运用过程中更多地需要考虑资金的流动性问题。因此，财产保险公司在资金运用中以中短期的投资产品为主，再根据其经济实力和经营状况进行适当的长期投资。在资本市场上投资产品的收益往往与其期限是互相匹配的，投资期限越短所能获得的投资收益越低。

保险资金来源的结构不合理。由于保险公司自有资本和经营利润在资金运用中的比例较低，在分析保险资金来源的结构时，主要考虑保费收入的结构状况。财产保险公司能够经营的保险产品涉及的范围和领域相当广泛，但从保费收入的构成来看，机动车辆险的保费收入在整个保费收入中比例较高，基本上占其保费收入的一半以上，除企业财产险和货物运输险的保费收入相对比较大外，其他险种的保费收入则较低。由于保费收入集中于出险率比较高的一些险种，使保险公司资金运用的使用效率降低，资金运用的难度增加。

保险资金的来源缺乏稳定性。随着国民经济的高速增长和人们保险意识的不断增强，这几年财产保险业务规模整体上发展比较快，财产保险公司的保费收入每年都以较快的速度增长，保险资金运用的规模也在不断扩大，但这不能掩盖保险资金来源不稳定的问题。与寿险公司大量稳定的续保保费相比，财产保险公司因其期限较短而且市场竞争激烈，各家财产保险公司的续保工作开展的都不是特别理想，客户的稳定性不高，客户的流失率普遍较高。不同期限和不同金额的保险资金的频繁变动，使财产保险公司在选择投资产品过程中显得被动，这也给财产保险公司对保险资金运用进行战略选择和规划带来了困难。

保险资金运用的实证研究

根据《保险法》、《关于批准保险公司在全国银行间同业市场办理债券回购业务的通知》、《保险公司投资企业债券管理暂行办法》和《保险机构投资者股票投资管理暂行办法》的规定，保险公司目前可以采用的保险资金运用方式有：银行存款、政府债券、金融债券、企业债券、资金拆借、国债回购、证券投资基金、人民币普通股票、可转换公司债券等。

（一）样本数据说明

1．指标的选择。本文研究的主要是保险资金运用所面临的市场风险。因此，根据保险资金运用方式的要求，本文选取了上证指数、上证基金指数、上证国债指数和上证企业债券指数作为研究对象。

根据投资组合理论，在一个投资组合中通过不同风险资产进行组合，可以达到降低风险的作用。银行存款作为保险公司资金运用的主要方式，其主要的风险为信用风险和利率风险。而保险资金存款主要是存在国有商业银行，信用风险实际上非常小；同时，我国的利率市场尚未完全市场化，保险公司通常是以协议存款的形式存在于银行，利率风险非常小。因此，可以进行无风险和风险资产的组合管理。

样本指标的代表性。上证指数可以反映股票市场整体的市场风险状况，上证基金指数可以代表证券投资基金的市场风险，上证国债指数可以显示政府债券的风险，而上证企业债券指数能够反映企业债券的风险。虽然这四种指数不能涵盖保险资金运用的全部市场风险，但其能够反映保险资金运用的主要风险，具有代表性。

样本指标的可获得性。由于没有专门反映国债回购市场情况的相应指数，所以在分析中没有考虑国债回购对投资组合的影响，而资金拆借是在一个特殊的资金市场上进行交易的，所以没有考虑其对投资组合的影响。

2．样本区间的选择。样本期间从2003年6月9日至2006年11月21日，数据来源是上海证券交易所网站，选取的数据为上述期间内的日数据。这主要是因为上证企业债券指数的时间是从2003年6月9日开始的，为了保证数据的统一性和可比性，故选择了这个起始日期。

（二）实证分析

1．计算平均收益和投资风险。投资收益率使用对数收益率，即：ri=In(Pt/Pt-1)，投资风险用标准差来表示。通过对2003年6月9日至2006年11月21日的日数据进行计算，得出表1结果。

从表1中看出：风险资产的收益和风险基本匹配，但存在一定的差异。上证指数的风险最大，达到1.276%，上证国债指数的风险最小为0.165%，这也基本上反映出这四种资产真实的风险状况。风险资产的投资收益存在一定的差异，上证基金指数的收益最大为0.049%，而风险最大的上证指数的收益低于上证基金指数，这在一定程度上也反映出基金的投资盈利能力超过了市场平均水平。进行不同风险资产的投资组合是可行的。投资组合一个非常重要的前提条件就是风险资产的投资收益和风险是匹配的，只有这样投资组合才是有意义的，投资者才能根据自身对风险和收益的厌恶程度来选择不同风险资产的投资比重。

2．计算协方差矩阵。协方差是度量两种资产收益之间线性关联程度的统计指标。正的协方差表示两种风险资产同向变动；负的协方差表示两种风险资产反向变动。根据2003年6月9日至2006年11月21日的日数据进行计算，得出表2结果。

从表2可以看出：四种指数之间相关程度不同。上证指数与上证基金指数相关程度很强，相关系数为0.80，而与上证国债指数和上证企债指数相关程度极低，相关系数分别为0.05和0.01，可以说几乎完全不相关。四种指数可以明显的分成两组指数。一组是上证指数和上证基金指数，另一组是上证国债指数和上证企债指数，组内指数高度相关，组间指数高度不相关。这说明在上述期间内中国的股票市场与债券市场之间相互独立，不存在影响两个市场的共同因素，这与一般的经验数据有一定的差异。四种不同指数之间进行投资组合可以降低风险。根据投资组合理论，只要组合中的资产不是完全正相关，就可以通过进行投资组合降低投资组合的风险。由于两组指数之间存在高度不相关，因此四种指数进行投资组合是有效的。

3．计算有卖空限制下的投资组合有效前沿。根据投资组合理论的均值-方差模型计算出四种指数进行组合的有效前沿（见图1），从中可以看出：投资组合的有效前沿是在一定范围内波动。组合的投资收益在0.015%～0.049%之间波动，组合标准差在0.153%～1.018%之间波动，组合投资收益的波动程度较小，而组合标准差的波动程度较大。投资组合的效果比较显著。投资组合的有效边界前沿前端比较陡峭，后面逐渐平坦，这说明投资组合在风险较小（主要表现为投资组合主要以债券为主）时，风险的微小增加能够引起投资收益的大幅上升，而在风险较大（主要表现为投资组合主要以股票和基金为主）时，风险的大幅减少只引起投资收益的微小降低。这说明通过投资组合一方面能够保证在不同风险水平下投资收益的最大化，另一方面还可以在保证投资收益的基础下大大降低投资风险。

结论

通过对保险资金运用所涉及的相关风险资产进行的实证分析，可以看出财产保险公司在其资金运用过程中应做好以下工作：

由于财产保险资金来源存在的特殊特点，因此，在其运用的过程中必须正确处理好保险资金的安全性、流动性和盈利性之间的关系。

随着保险资金运用渠道的扩大，保险公司必须加强风险管理。保险公司需要对不同风险资产的风险和收益状况进行认真地分析和研究，实时跟踪证券市场的变化，并能根据市场变化及时调整投资策略。

科学地使用现资的理论和工具，通过投资组合降低投资风险。保险公司在其实际资金运用过程中，投资对象是具体的股票、基金和债券，需要对不同风险资产的具体对象加以合理选择，只有这样才能通过投资组合管理和控制投资风险，提高保险资金运用的管理水平，提高保险资金运用的投资收益。

参考文献：

1.滋维·博迪，亚历克斯·凯恩，艾伦·J·马库斯著.朱宝宪，吴洪，赵冬青等译.投资学.机械工业出版社，2003

2.戴志辉，赵守国.投资组合规模风险和收益的关系研究[J].商业时代，2006（27）

上证指数范文篇9

关键词：财产保险资金来源资金运用投资组合

随着财产保险费率的市场化和市场竞争主体的不断增多，财产保险公司的承保利润在不断下降，这种下降趋势在外资保险公司进入后将会更加突出。为了能够在激烈的市场竞争环境中生存和发展，财产保险公司在做好传统业务的同时，应该加强对保险资金运用问题进行研究，通过对保险资金的有效运用来提高公司的经营效益，解决承保利润下降所带来的问题。本文在对财产保险公司资金来源特点进行分析的基础上，结合我国证券市场的实际情况，实证分析了保险公司科学运用投资组合的策略。

一、财产保险公司资金来源特征

保险资金来源的期限短。财产保险公司可以进行资金运用的资金主要有自有资本、经营利润和保费收入中的未到期责任准备金。在这三项资金来源中，自有资本和经营利润，保险公司能够长期使用，而未到期的责任准备金则由于其固有的特性只能进行短期运用。在保险公司资金运用的三项来源中，前两项由于受到保险公司规模和经营能力的限制，在保险资金运用中的比例往往很低，保险公司更多的利用保费收入进行资金运用。财产保险公司目前主要经营的是中短期保险产品，保险期限一般比较短，除了一些具有投资功能的产品外，大部分产品的保险期限都在一年以内，这也使其保费收入以短期为主。保费收入的特点决定了保险公司在保险资金运用过程中更多地需要考虑资金的流动性问题。因此，财产保险公司在资金运用中以中短期的投资产品为主，再根据其经济实力和经营状况进行适当的长期投资。在资本市场上投资产品的收益往往与其期限是互相匹配的，投资期限越短所能获得的投资收益越低。

保险资金来源的结构不合理。由于保险公司自有资本和经营利润在资金运用中的比例较低，在分析保险资金来源的结构时，主要考虑保费收入的结构状况。财产保险公司能够经营的保险产品涉及的范围和领域相当广泛，但从保费收入的构成来看，机动车辆险的保费收入在整个保费收入中比例较高，基本上占其保费收入的一半以上，除企业财产险和货物运输险的保费收入相对比较大外，其他险种的保费收入则较低。由于保费收入集中于出险率比较高的一些险种，使保险公司资金运用的使用效率降低，资金运用的难度增加。

保险资金的来源缺乏稳定性。随着国民经济的高速增长和人们保险意识的不断增强，这几年财产保险业务规模整体上发展比较快，财产保险公司的保费收入每年都以较快的速度增长，保险资金运用的规模也在不断扩大，但这不能掩盖保险资金来源不稳定的问题。与寿险公司大量稳定的续保保费相比，财产保险公司因其期限较短而且市场竞争激烈，各家财产保险公司的续保工作开展的都不是特别理想，客户的稳定性不高，客户的流失率普遍较高。不同期限和不同金额的保险资金的频繁变动，使财产保险公司在选择投资产品过程中显得被动，这也给财产保险公司对保险资金运用进行战略选择和规划带来了困难。

二、保险资金运用的实证研究

根据《保险法》、《关于批准保险公司在全国银行间同业市场办理债券回购业务的通知》、《保险公司投资企业债券管理暂行办法》和《保险机构投资者股票投资管理暂行办法》的规定，保险公司目前可以采用的保险资金运用方式有：银行存款、政府债券、金融债券、企业债券、资金拆借、国债回购、证券投资基金、人民币普通股票、可转换公司债券等。

（一）样本数据说明

1．指标的选择。本文研究的主要是保险资金运用所面临的市场风险。因此，根据保险资金运用方式的要求，本文选取了上证指数、上证基金指数、上证国债指数和上证企业债券指数作为研究对象。

根据投资组合理论，在一个投资组合中通过不同风险资产进行组合，可以达到降低风险的作用。银行存款作为保险公司资金运用的主要方式，其主要的风险为信用风险和利率风险。而保险资金存款主要是存在国有商业银行，信用风险实际上非常小；同时，我国的利率市场尚未完全市场化，保险公司通常是以协议存款的形式存在于银行，利率风险非常小。因此，可以进行无风险和风险资产的组合管理。

样本指标的代表性。上证指数可以反映股票市场整体的市场风险状况，上证基金指数可以代表证券投资基金的市场风险，上证国债指数可以显示政府债券的风险，而上证企业债券指数能够反映企业债券的风险。虽然这四种指数不能涵盖保险资金运用的全部市场风险，但其能够反映保险资金运用的主要风险，具有代表性。

样本指标的可获得性。由于没有专门反映国债回购市场情况的相应指数，所以在分析中没有考虑国债回购对投资组合的影响，而资金拆借是在一个特殊的资金市场上进行交易的，所以没有考虑其对投资组合的影响。

2．样本区间的选择。样本期间从2003年6月9日至2006年11月21日，数据来源是上海证券交易所网站，选取的数据为上述期间内的日数据。这主要是因为上证企业债券指数的时间是从2003年6月9日开始的，为了保证数据的统一性和可比性，故选择了这个起始日期。

（二）实证分析

1．计算平均收益和投资风险。投资收益率使用对数收益率，即：ri=In(Pt/Pt-1)，投资风险用标准差来表示。通过对2003年6月9日至2006年11月21日的日数据进行计算，得出表1结果。

可以看出：风险资产的收益和风险基本匹配，但存在一定的差异。上证指数的风险最大，达到1.276%，上证国债指数的风险最小为0.165%，这也基本上反映出这四种资产真实的风险状况。风险资产的投资收益存在一定的差异，上证基金指数的收益最大为0.049%，而风险最大的上证指数的收益低于上证基金指数，这在一定程度上也反映出基金的投资盈利能力超过了市场平均水平。进行不同风险资产的投资组合是可行的。投资组合一个非常重要的前提条件就是风险资产的投资收益和风险是匹配的，只有这样投资组合才是有意义的，投资者才能根据自身对风险和收益的厌恶程度来选择不同风险资产的投资比重。2．计算协方差矩阵。协方差是度量两种资产收益之间线性关联程度的统计指标。正的协方差表示两种风险资产同向变动；负的协方差表示两种风险资产反向变动。根据2003年6月9日至2006年11月21日的日数据进行计算。

可以看出：四种指数之间相关程度不同。上证指数与上证基金指数相关程度很强，相关系数为0.80，而与上证国债指数和上证企债指数相关程度极低，相关系数分别为0.05和0.01，可以说几乎完全不相关。四种指数可以明显的分成两组指数。一组是上证指数和上证基金指数，另一组是上证国债指数和上证企债指数，组内指数高度相关，组间指数高度不相关。这说明在上述期间内中国的股票市场与债券市场之间相互独立，不存在影响两个市场的共同因素，这与一般的经验数据有一定的差异。四种不同指数之间进行投资组合可以降低风险。根据投资组合理论，只要组合中的资产不是完全正相关，就可以通过进行投资组合降低投资组合的风险。由于两组指数之间存在高度不相关，因此四种指数进行投资组合是有效的。公务员之家

3．计算有卖空限制下的投资组合有效前沿。根据投资组合理论的均值-方差模型计算出四种指数进行组合的有效前沿，从中可以看出：投资组合的有效前沿是在一定范围内波动。组合的投资收益在0.015%～0.049%之间波动，组合标准差在0.153%～1.018%之间波动，组合投资收益的波动程度较小，而组合标准差的波动程度较大。投资组合的效果比较显著。投资组合的有效边界前沿前端比较陡峭，后面逐渐平坦，这说明投资组合在风险较小（主要表现为投资组合主要以债券为主）时，风险的微小增加能够引起投资收益的大幅上升，而在风险较大（主要表现为投资组合主要以股票和基金为主）时，风险的大幅减少只引起投资收益的微小降低。这说明通过投资组合一方面能够保证在不同风险水平下投资收益的最大化，另一方面还可以在保证投资收益的基础下大大降低投资风险。

三、结论

通过对保险资金运用所涉及的相关风险资产进行的实证分析，可以看出财产保险公司在其资金运用过程中应做好以下工作：

由于财产保险资金来源存在的特殊特点，因此，在其运用的过程中必须正确处理好保险资金的安全性、流动性和盈利性之间的关系。

随着保险资金运用渠道的扩大，保险公司必须加强风险管理。保险公司需要对不同风险资产的风险和收益状况进行认真地分析和研究，实时跟踪证券市场的变化，并能根据市场变化及时调整投资策略。

科学地使用现资的理论和工具，通过投资组合降低投资风险。保险公司在其实际资金运用过程中，投资对象是具体的股票、基金和债券，需要对不同风险资产的具体对象加以合理选择，只有这样才能通过投资组合管理和控制投资风险，提高保险资金运用的管理水平，提高保险资金运用的投资收益。

参考文献：

上证指数范文篇10

关键词：证券交易印花税；波动性；单因素方差分析

1证券交易印花税的调整历程

证券税收不仅是一个国家财政收入的来源之一，同时也是国家调节证券市场的经济杠杆。目前，中国在股票发行环节上没有征税，只对交易环节征税。我国对二级市场股票交易环节征收的印花税，也就是人们常说的证券市场中的主要税种。中国早于1990年7月开征股票交易印花税。股票交易印花税率并不是固定不变的，中国股市自1990年6月28日由深圳市首先开征印花税以来，至今已有18年。期间在不同的经济背景下，印花税税率曾经有过数次调整，股票市场投资者对印花税的调整显示出极强的敏感性。

有的学者认为，每次证券交易印花税的调整都起到了调控股市的作用。王新颖对我国2001年印花税下调对股市的影响进行的实证研究，表明印花税下调在短期内对股市有明显的影响。另一些学者认为印花税对股市波动性影响甚微。谭加劲(2003)对我国2001年11月16日证券交易印花税税率下降对我国A股市场波动性的影响进行了实证研究，结果表明印花税调整对股市影响并不显著。童菲(2005)检验我国历次证券印花税税率的变动对沪、深两市波动性影响,结果表明税率变动并不必然导致市场波动性产生统计上显著变化。

2印花税调整效应的初步检验

本文主要采用事件研究的方法。以下分析两次印花税税率的调整对深、沪股市股票价格指数和股指收益率的影响。

2.12007年5月30日的印花税税率调整

为进一步促进证券市场的健康发展，财政部29日晚上宣布，自2007年5月30日起，调整证券交易印花税税率，由来的1‰调高至3‰。从印花税税率调整前后15天深成指数和上证指数的股指，进行以下分析。

①深成指数的分析。

2007年5月9日到2007年5月29日深成指数的均值分析

2007年5月30日到2007年6月19号深成指数的均值分析

单因素方差分析结果可知，SSR=5698852,MSR=5698852.07,SSE=14946871,MSE=533816.804，SST=20645723,F=10.676，F检验概率（Sig值）=0.003<0.05(95%置信区间)，故拒绝，接受,即事件前后的大盘股指产生显著性差异。

②上证指数的分析。

2007年5月9日到2007年5月29日上证指数的均值分析

2007年5月30日到2007年6月19号上证指数的均值分析

从以上分析可以看到，在证券交易印花税调高的前15个交易日里面，上证指数的均值是4092.65点，标准差是113.12。在调整了证券交易印花税后15个交易日里面，上证指数的均值为4013.10点，标准差为179.40，单因素方差分析结果可知，F=2.116，F检验概率（Sig值）=0.157>0.05(95%置信区间)，故接受，拒绝,即事件前后的大盘股指没有产生显著性差异。

2.22008年4月24日的印花税税率调整

为了坚定广大投资者的投资信心和避免股票市场再度下行，刺激日益疲软的市场，经国务院批准，在2008年4月23日将股票交易印花税税率由原来的3‰下调到1‰。①深成指数的分析。

2008年4月2日到2008年4月23日深成指数的均值分析

2008年4月24日到2008年5月16号深成指数的均值分析

单因素方差分析结果可知，F=14.109，F检验概率（Sig值）=0.001<0.05(95%置信区间)，故拒绝，接受,即事件前后的大盘股指产生显著性差异。

②上证指数的分析。

2008年4月2日到2008年4月23日上证指数的均值分析

2008年4月24日到2008年5月16号上证指数的均值分析

单因素方差分析的结果可知，F=34.896，F检验概率（Sig值）=0<0.05(95%置信区间)，故拒绝，接受,即事件前后的大盘股指产生显著性差异。

2.3检验后可得的结论

印花税的调整对大盘的指数是有波动性作用，但是其作用和时间效应有限。以上研究表明，2007年5月30日的这次印花税调高并没有对沪市的波动性有影响，但对深市的波动性有影响，而2008年4月24日的这次印花税的调整对沪市、深市的波动性都产生了显著影响。在印花税调整的一小段时间内，这个大盘的股指会有与印花税呈反相关系的现象。从我们的实证分析可看到，证券交易印花税的下降会增加我国股市的波动性。但是这种效果只是短期的，且具有不稳定性，2007年的股市并没有因为印花税的提高而结束牛市，股指而是高达6000多点。2008年的股市也并没有因为印花税的降低而有所好转。这说明证券交易印花税对证券市场的影响是很小，并且由于人们投资的越来越理性化，印花税的变动对股市的刺激作用将更加下降。所以股市的发展主要要靠提高股市的内在价值，提高股票的投资价值。证券交易印花税作为政府的一种调控市场的手段，它的作用是有限的。

参考文献：

[1]饶立新,曾耀辉.中国印花税与印花税票[M].北京:中国税务出版社,1999.

[2]田志华.关于完善我国证券市场税制的思考[J].财务与金融,2006,(5).