基于人工神经网络的新股上市连续涨停板数量预测

单督明

浙江财经大学

基于人工神经网络的新股上市连续涨停板数量预测

单督明

浙江财经大学

本文通过对2017年2月28至2017年6月1日新上市的124只新股数据进行分析，来探究影响新股上市后连续一字板个数的影响因素。本文采取了6种财务指标，以及3种表征市场状态的指标。通过人工神经网络模型来拟合新股上市后连续一字板个数，并探究不同误差下模型的准确率。结果表明，在误差20%的范围内，模型有较强的解释能力。此模型对实际投资具有较强的参考价值，并可以依此做出投资决策。

新股上市；连续涨停板；基本面指标；市场状态指标；人工神经网络

1 引言

新股能连续涨停是与新股发行数有很大关系，由于新股一直被市场认为是稀缺产品，新股预估发行市盈率受限，大部分新股估值相对同行业折价明显，上市后必然遭到哄抢，所以新股上市后，很容易开盘就涨停。这导致的现象就是新股是众多股民梦寐以求的东西，然而由于中签率的限制，大多数人不能再首日买入新股。所以判断新股是否还具有投资价值是一个很值得考虑的问题。

由于股价的非线性特征，股票市场投资者商业行为的复杂性和对未来时间的影响能力，以及我国股市具有明显的政策性等因素，都极大了增加了我们预测股价的难度。神经网络是一种大规模并行的复杂非线性动力系统，由于其具有很强的自学习能力自适应能力以及容错能力等优点，使它成为一种比较合适股票预测方法。

本文想通过人工神经网络算法，利用近三个月新股2016年12月31日到2017年5月26日的数据预测新股涨停板个数与公司基本面、上市日期以及首发价格的关系，以便确定某只新股是否应该卖出或者是否还有套利空间。

2 文献综述

由于股票市场具有高度的不确定性，并且神经网络理论非线性预测能力 较强的性质，为了能把握股市的规律，有很多人在试图利用神经网络理论对股票价格进行预测，并在不同的方向取得了较为满意的效果，下面介绍一些利用神经网络进行预测的方法。中国科学技术大学电子科学与技术系的周佩玲、邢根柳[1]针对ANFIS直接对价格序列进行预测偏差较大的问题，提出了在处理有趋势特征的价格数据中，用数字滤波器获取价格趋势和围绕趋势波动的变化细节特征，对两者分别采用AR和ANFIS模型进行预测。北京工业大学电子信息与控制工程学院的丁圣、高风[2]人试图通过将小波分析中的趋势提取技术应用于证券预测中来提高神经网络预测精度。上海大学计算机工程与科学学院的李桢，徐凌宇[3]研究BP中国收敛速度蛮、局部极小值的问题，针对现有研究中的改进方法对BP的性能提升有限，从疲劳的角度出发，提出了一种新的改进方法---阶段化评价法，进行一阶段学习后对性能指标进行评价，并且于调整下一阶段的学习方式。

3 指标选择

个别指标含义详解

其中第1至第8个指标为财务指标，可以通过报表查得。

x9：市场动量指标。从历史统计数据来看，A股向来有“追涨杀跌”的喜好。当股票处于上涨态势时，买方力量会较强。

x10：市场状态指标。当市场处于较高位置时，会被认为价值被高估，买方力量减弱。当市场处于较低位置时，会被认为价格被低估，是较好的买入时机。因此将该指标用“新股与次新股”所处价值区间进行表示。

y：上市后连续涨停板个数。由于A股市场存在这样一种现象，即新上市股票会从发行日后几天会出现连续涨停的个数计算依据是从上市首日到出现成交量突然放大的成交日，这两个计数日之间的天数之差即为上市后连续涨停板个数。

4 实证分析

4.1 情绪指标的计算

首先新股与次新股从2017.2.28日到6.1日的收盘价序列进行处理。对统计当天设定前后5天为统计窗口期，计算这11天内的走势情况，首先计算这11天的每天的上涨(下跌)趋势，计算第i天的趋势是考虑前后5天期间的斜率，即：

4.2 实证过程

1.我们从115条数据中随机抽取90条数据作为训练集，剩余25条数据作为测试集。

2.抽样后，将测试集用AMORE包进行人工神经网络进行模型拟合。在构造神经网络时，参数选择会对结果产生不同影响。首先是节点的选择，我们固定误差范围≤20%，变化隐藏层节点数(1到10)，计算准确率。

3.随后将测试集代入已知模型得到预测值。选择激励函数：

对该样本进行学习训练，允许最大误差ε=1×10-6，初始学习步长η=0.001，最大训练步数=10000。

4.我们设定不同的误差阈值，若预测值落入误差阈值范围内，则认为预测准确，若落入误差阈值范围之外认为预测失误。最后计算此次抽样的模型准确率。通过调节误差阈值的范围，计算不同情况下模型的准确度。

4.3 模型评价

定义D为误差比率，表示预测值与实际值之间的偏差

其中yp为涨停板预测值，ya为涨停板实际值

5 结论和建议

通过大量数据分析新股上市后打开涨停板的交易日之后是存在套利空间。且获利区间较大。同时，运用人工神经网络模型对新股上市后涨停板个股和指标的分析，我们认为通过公司的财务指标以及市场情绪指标能在一度程度上预测股票上市后的连续涨停的天数。模型准确性较高，在20%的误差范围内，模型的准确率达到了90.18%。

[1]周佩玲、邢根柳.股票价格趋势预测研究[J].计算机工程，2002(1)：136-140

[2]丁圣、高风.小波神经网络在股票平均线交易规则中的应用[J].计算机仿真，2006(11)

[3]李桢、徐凌宇.基于阶段评价的BP及在股价预测中的应用[J].计算机仿真，2006(12)

单督明(1997.02-)男，籍贯：浙江省东阳市，学历：本科在读，院校：浙江财经大学，研究方向：金融工程专业