STAR与ANN模型:证券价格非线性动态特征及可预测性研究

被引：13

作者：

苏治 ^{[1
]}

方明 ^{[2
]}

李志刚 ^{[3
]}

机构：

[1] 清华大学经济管理学院

[2] 吉林大学数学研究所

[3] 吉林大学商学院

来源：

中国管理科学 | 2008年 / 05期

基金：

中国博士后科学基金;

关键词：

有效市场; 可预测性; 非线性模型; 投资策略;

D O I：

10.16381/j.cnki.issn1003-207x.2008.05.023

中图分类号：

F830.91 [证券市场]; F224 [经济数学方法];

学科分类号：

1201 ; 020204 ; 0701 ; 070104 ;

摘要：

证券价格的可预测性一直是现代金融学的研究焦点。近年来,以平滑迁移(STAR)模型和神经网络(ANN)模型为代表,国外学者将许多非线性模型应用于证券价格非线性动态特征及可预测性的研究。本文采用多种线性、非线性股价预测模型对上证180指数短期和中长期可预测性进行研究,并基于统计指标和投资策略指标比较了不同模型的预测能力。结果表明:我国证券价格具有非线性特征,在短期和中长期水平上具有一定的可预测性,这对有效市场假说提出了质疑;ANN模型的预测能力多数情况下优于RW模型、线性AR模型和STAR模型,基于ANN模型的"盯市"投资策略能获得比"买入持有"投资策略更高的平均净收益。

引用

页码：9 / 16

页数：8

共 12 条

[1] GA神经网络在证券市场预测中的应用研究附视频 [J].