论文部分内容阅读
证券投资分析主要包括基本分析、技术分析和组合分析.对证券市场中的短线投资者而言,技术分析较其它两类方法更为常用.该文将利用遗传算法来讨论技术分析中的指标类方法,并应用上海股票市场中的日行情数据进行实证分析.该文分四个部分进行论述.第一部分,证券投资分析与遗传算法概述.证券投资分析是证券投资过程中的一个重要组成部分,它是能否降低投资风险、投资获得成功的关键.进行证券投资分析所采用的方法主要是:基本分析、技术分析和组合分析.第一部分首先对三种方法进行简单介绍,主要从各种分析方法的定义、理论基础、分析的内容等方面进行阐述.遗传算法是模拟生物进化过程的一种新的全局优化搜索算法,适用于复杂、多维的非线性系统,与传统方法相比较,该方法对待求解问题的要求降低许多,同时具有强收敛性和内在并行性,可以在相对短的时间里,逼近整个解空间并求出解.遗传算法的这些特点使其用于研究证券市场问题有独到之处.第一部分还将对遗传算法进行概述,回顾遗传算法的发展过程,阐述遗传算法用于求解问题的基本思想和工作过程,介绍遗传算法的5个要素,即染色体编码、初始种群、适应度函数、遗传算子(选择、变异和交叉)和优化准则.第一部分最后将对遗传算法用于证券投资分析的国内外研究状况进行介绍,并着重介绍了遗传算法用于证券投资策略研究的国内的两项工作.在分析相关专家和学者的研究成果后,作者提出了自己的研究方向和目标.第二部分,遗传算法在证券投资技术分析中的应用.指标分析是应用证券价格、成交量的历史数据,通过建立数学模型,给出计算公式,得到从不同方面反映证券市场某些实质的指标,然后由指标的取值情况来判断市场或个股所1处的状况,进而做出投资决策.对每一技术指标,一般都给出一对买卖操作的参考值点.然而,不同时期,市场环境不一样,同时不同上市公司在公司竞争能力、发展潜力、盈利能力、财务状况和经营业绩等诸多方面也存在不同.这就产生如下问题,上述参考值点是否对所有个股都适合呢?如果不适合,对不同的个股,又如何找到每一个指标的最优值点呢?第二部分我们将利用遗传算法来讨论上述问题.首先我们用遗传算法建立寻找个股单指标最优策略的理论框架,然后建立用遗传算法寻找个股多指标最优策略的理论框架.在讨论最优策略时,个体的适应度由相应策略在考察期的收益率来构造.最后,为了讨论最优策略的有效性问题,我们还引入时间序列的分形维,给出了时间序列分形维的计算步骤.第三部分是实证分析.我们采用上海股票市场的日行情数据,样本股是上证30指数的成份股,样本期为1998年7月6日至2002年7月1日.我们选取中国股票市场常用指标中的5个进行分析,这5个指标分别是:WMS﹪、BIAS、PSY、RSI和BR.由股票价格数据(开盘价、收盘价、最高价和最低价)计算指标值时,用Excel软件处理,遗传算法的实现是应用Matlab语言编程完成的.对单指标和多指标策略进行分析时,样本期都分为两个区间进行考虑.分别求出两个样本区间的最优策略及其收益率,然后求出第一个区间的最优策略在第二区间的收益率.同时分别求出在两个样本期间的购买—持有策略的收益率,以及每一只股票在两个时期的收盘价序列的分形维.然后进行如下比较:不同时期最优策略的比较;同一时期内,最优策略与购买—持有策略的比较;同一时期,单指标最优策略与多指标最优策略的比较;上一期最优策略在下一期的收益率与下一期的购买—持有策略收益率的比较.第四部分,结论与展望.文章最后给出了本文的研究结论和研究的局限性.通过上述研究,该文得出了一些有意义的结论,研究表明:由遗传算法得到的最优策略,较同期购买—持有策略有更高的收益率;同一股票在指定时期,多指标最优策略比单指标最优策略可获得更高的条件收益;同一股票在不同时期,最优策略一般是不相同的;不同指标给出的单指标最优策略的有效性不同;股2票最优指标策略的有效性与股票收盘价序列分形维变化率之间存在较强的相关性.该研究的局限性主要表现在:没考虑股票价格序列的自回归特性;样本股和指标的选取在数量上显得有些少了.该文把遗传算法用于证券投资分析研究,与在此之前的相关工作比较,主要特点表现在如下几个方面:对个股最优指标策略的讨论既包括个股在每个指标上的最优买卖值点,又包括个股的多指标最优策略;最优多指标策略的讨论是建立在单指标最优策略基础上的;最后,该文把个股的最优策略的有效性和股票收盘价序列的分形维变化率相联系,并初步建立了两者联系的方式.该文的研究在理论和实践上都有重要意义.理论上的意义表现在:首先,它把对多指标最优策略的讨论建立在单指标最优策略基础上,使对最优策略的讨论更完整;其次,初步建立个股的最优策略的有效性和股票收盘价序列的分形维变化率之间的关系.在实践上,该文的研究成果对于指导投资者在证券市场的投资操作,促进投资者理性投资将起到积极的作用.对该文所研究的问题,可以从如下几个方面加以改进:考虑股票价格序列的自回归特性;可以探讨技术分析中的形态分析能否也引入遗传算法;如何对最优策略的收益水平进行风险调整.