经济管理中证券预测之地物信息方法研究

中国地质大学(武汉) 王洪亮 李新宁 阚酉浔

传统对于股票市场的研究和检验多以线性资本市场理论为基石，而现实世界中的演化往往在股价序列中呈现非对称、非线性的运动特征。基本分析和技术分析是投资者在证券投资分析过程中所采用的两大方法。与基本分析相比，技术分析更有优势。

在地球物理信息处理方法中，比如对地震波、面波等进行预测时，一般用到曲线拟合以及线性预测。鉴于证券分析也主要是对证券曲线进行分析和预测，这两种有类似之处。本文主要介绍了地物方法这一技术分析。

1 经济管理对证券的影响

目前经济管理对证券的影响很多，这里主要探讨主要的影响。首先，公司规模越大，公司内部的组织交易成本也会随之上升，当公司内部交易成本等于市场上的交易成本时，公司规模的扩大就会停止。这时，公司发售的证券才会趋于稳定。

此外，领导决策层的组织才能也非常关键。如果一个公司或企业的规模超过了他们的管理能力，企业或公司的内部资源有效配置就得不到根本保证。

此外，还要控制好边际成本。当我们假设以上3条都趋于稳定时，这样证券市场才基本上趋于稳定，再来对证券分析进行讨论。

2 证券分析及其方法探析

证券分析是指对包含在资产组合中的证券等进行评估，在评估过程中的主要问题是数据不充分、未来不确定以及市场的非常态等。

作为一名证券投资者，分析方法不外乎是基本面分析方法以及技术层分析方法。技术分析目前越来越被重视，但是它必须满足市场足够包容、价格发展趋势化以及有历史经验借鉴的条件。其中，市场足够包容能够影响证券价格的波动，价格发展趋势化以及有历史经验借鉴则保证了可实施性。此外，技术分析演化带来的诸如K线分析等多种技术层分析方法也逐步被投资者所采纳。

而其中布林线分析方法是利用统计学的标准差原理，依据以前某一段时期内的股票价格的波动、证券市场的走向等因素预测出未来一段时间内股票价格大致波动区域的一种方法。 布林线由三根线组成：中轨(一般为20日均线)，上轨及下轨。

布林线示意图如图1所示。

图1 布林线示意图

观察布林线示意图开口的大小，布林线指标开口愈小则股价的涨跌幅度趋势愈弱，股价可能会在某个方向上进行超越，开口越小，超越强度就越大。因此，布林线示意图是供投资者判断股价未来发展趋势的一个有效方法之一。

之前做股票研究的用的比较多的是基于VaR的分位数回归以及 STAR模型.非线性的平滑转换门限自回归模型(STAR)。ST A R模型最早是由Ter svirta和Anderson (1992)提出。鉴于极端机制间的转换非波动不止，而是平滑的,因此ST AR不像其它模型一样进行非连续性的持续转换,这对股票价格趋势和股市泡沫的描述更加符合实际样本和实际需求。

其中，简单介绍下STAR模型估计的主要步骤:

Step1：建立p阶的AR模型。自回归AR谱在频谱估计领域也是个重要的估计方法。在误差项完全不自相关基础上去选择p值；

Step2：在Step1的基础上，进行非线性验证以及延迟、衰减、波动等参数的模糊估计。

Step3：接着，进行F测试为后续打基础，求相对应的概率值p。

Step4：接着用r=Ln(Pt/Pt-1)得到两组收益率序列。以证明是非正态分布序列，并用Garch(1，1)回归去实现在正态分布、t分布和GED分布的95%左右的分位数。

从这些可见，传统证券分析方法过于繁琐。因此，有必要研究其它分析方法。

3 地物信息方法的研究与应用

在地球物理信息处理方法中，一般用到曲线拟合以及线性预测。鉴于证券分析也主要是对曲线进行分析和预测，这两种有类似之处。具体分析如下。

3.1 曲线拟合

大量数据处理仿真和实验证明，曲线拟合是一种能有效地处理和分析待测数据，去除干扰，有效降噪的方法。它是在实验获得的数据或是已有的数据分布基础上，根据实际样本去建立变量相互之间有效的函数关系，为进一步的分析、探讨、研究提供保证。

曲线拟合主要是以寻求待测参数的最佳估计为目的，进行一系列拟合和处理。当仅有离散数值点而不明确切函数关系时，可以由测量值拟合出函数关系。因此曲线拟合最主要的方法是基于最小二乘准则的曲线拟合，简单方便，准确率高，在球与空间信息等领域都有这广泛的应用。

最小二乘法是在给定平面上的点 进行曲线拟合，其原理是根据实验样本和分布，通过理论推导和分析，建立相关函数

最近，J.Vondrak在曲线拟合的发展过程中，又提出了一种Vondark平滑法，这种方法可以在未知函数的情况下，对测量数据或信号进行较为合理的拟合和平滑。这将在下一步研究中讨论，本文暂不做赘述。

3.2 线性预测

线性预测则在以上分析的基础上对信号进一步分析处理，从而使精度进一步提高。常简称为LPC(Linear Prediction Coding)，系数称为线性预测系数或LPC系数。预测误差：

通过使线性预测到的采样在最小均方误差意义上逼近实际采样，可以求取一组惟一的预测系数。

3.3 地物方法在证券中的应用

对图1应用曲线拟合和线性预测分析，如图2所示：

图2 地物方法分析示意图

从图2可见，拟合的误差很小，精度很高。能较好的反应股市发张趋势。

然而，技术分析成功与否的影响因素很多，比如个人技术娴熟，方法的有效程度等等，交易的成败往往具有非规律性。因此，投资者应当在熟练掌握技术分析方法的基础上，恰到好处地将基本分析与多种技术分析结合起来，以此来提高成功的概率。

4 结语

本文主要尝试性地研究了基于地物信息方法的证券预测。详细探讨了地球物理信息处理方法诸如曲线拟合和线性预测，接着在此基础上扼要研究了基于地物信息方法的证券预测，并结合证券简单进行了分析，结果初步显示了较为有效。当然本文只是尝试性的简单进行了介绍和分析，后续研究还有待进一步加大实际分析和处理。

[1]Wang Hongliang,Dong Haobin,He Lianghua,Shi yongle, Zhang Yuan.Design and simulation of LQR controller with the linear inverted pendulum[C].International Conference on Electrical and Control Engineering, ICECE 2010.

[2]邓森,景博,周伟.一种快速收敛的多级独立分量分析算法[J].仪器仪表学报,2011,32(11).

[3]DENG S,JING B, ZHOU W.Multi-stage FastICA algorithm with high convergence rate[J].Chinese Journal of Scientific Instrument, 2011,32(11).

[4]高梁,刘晓云,廖志武,陈武凡.一种基于多信息融合的模糊边界检测算法[J].仪器仪表学报.2011,32(11).

[5]周三多.管理学[M].北京:高等教育出版社,2005.

[6]陈维政,余凯成,程文文.人力资源管理[M].北京:高等教育出版社,2002.