涨跌停板制度对中证500指数自相关性的影响研究

发布时间：2020-04-23 13:50

【摘要】：涨跌停板制度的设置限制了股票价格的波动区间,由于股票价格指数是由成分股根据其价格、市值等经过一定计算方法得到的,因此,涨跌停板制度对股票价格的影响也会作用到股票价格指数。当指数成分股中出现涨停或者跌停的股票较多时,股票指数的价格就越接近涨停或者跌停。涨跌停板制度的存在导致股票价格的正常波动受到了限制,导致股票价格出现扭曲,从而导致股票市场出现价格延迟效应。由于涨跌停板制度的在,导致股票价格的波动区间被限制在一定范围内,因此,该制度也间接的限制了股票价格指数的波动区间,导致无法观测到股票价格指数的真实波动情况,导致股票价格指数出现价格延迟效应。研究表明,在没有价格限制影响时,股票价格应该是不可预测的,也即不存在自相关性。但是,本文在研究过程中发现,中证500指数存在显著的自相关性。为了说明指数的自相关性是由涨跌停板制度导致的价格延迟效应引起的,本文以每日收盘价为基础,计算出中证500指数成分股收盘价中每日出现涨停和跌停股票的数量,并将涨停数量和跌停数量作为时间序列变量,加入到自回归模型中,观察自变量系数和系数显著性的变化。结果表明,在加入涨停变量和跌停变量后,自变量系数明显降低,不再显著,说明中证500指数的自相关性是由涨跌停板制度引起的。涨跌停板制度会股票价格出现价格发现延迟效应,本文使用BP神经网络来修正出现涨停或跌停的股票,模拟没有出现涨跌停限制时股票的价格,即通过神经网络来修正受到价格发现延迟效应影响的股票。由于使用神经网络进行预测,需要保证神经网络预测的准确性,本文对神经网络训练使用的数据进行了处理,降低了噪声,在得到预期的神经网络后,本文对中证500指数所有成分股中出现涨停和跌停的收盘价进行了修正。获得修正后的收盘价后,使用修正的收盘价重新计算中证500指数日收盘价,经计算发现,指数收盘价自相关系数降低,不再显著。本文的研究证明了中证500指数的自相关性是一种伪自相关,它是由涨跌停导致的价格延迟造成的,并且跌停导致的价格延迟效应要比涨停引起的价格延迟效应强。由此还可以说明,跌停对市场情绪产生的影响要高于涨停对市场情绪的影响。即指数当出现跌停或者接近跌停时,交易者更愿意卖出手中的资产,而出现涨停或接近涨停时,交易者追高的情绪要稍弱一些。
【图文】：

技术路线图,涨停,开盘价,成交量

进行实证分析并得出结论。第 4 章，使用 BP 神经网络对出现涨停和跌停的股票价格进行修正，从正后的股票价格指数。本文在介绍 BP 神经网络的基础上，建立 BP 神经，在本模型中选择的数据为 2015 年 4 月 16 日至 2018 年 4 月 16 日的中证成分股的每日开盘价，日收盘价，日成交量，10 日均线，20 日均线标。对神经网络进行训练，预计使用日开盘价，日成交量，10 日均线线，RSI 等作为输入值，以日收盘价作为输出值。为了避免涨跌停板制修正产生的影响，，本模型中选择的成分股为样本区间内未出现过涨跌停成训练后，使用训练好的网络来修正出现涨停和跌停的指数成分股收盘将修正后得到的结果合成为新的指数，并分析拟合指数的自相关性。第 5 章，结论。总结本文的得出的研究结论。.3 技术路线图本文的主要结构和技术路线图如图 1-1：

神经网络结构,神经网络

图 4-1 BP 神经网络结构网络算法的优势和劣势络是一种使用的比较广泛的神经网络，尤其是对股票优势要强于其他类型的神经网络。BP 神经网络具有价格与其影响股票价格变化的因素之间是一种非线性论已经证明了 3 层神经网络能够一任何精度来拟合P 神经网络的特点，BP 神经网络能够满足对股票价学习和自适应能力使得 BP 神经网络在训练时，网络总共进行学习，得出输入至于输出值之间的关系，并入值与输出值之间的关系。BP 神经网络还具有泛化行预测，或者解决其他问题的能力。因此，可以使用[43]。BP 网络的容错能力使得神经网络中某个局部的
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51

【相似文献】