深圳创业板股市分析hao.doc

个人收集整理 勿做商业用途

深圳创业板股市分析
组员：唐宏庆，赵彩仙，邓建华
指导老师：罗振国

衡阳师范学院
2011年8月21日

摘要
本文针对深圳创业板股市问题建立相应的数学模型，根据创业板股市2010年6月到2011年4月的数据，首先将每天的最高价和最低价的平均值作为研究对象，对该时期划分不同阶段进行分段考虑，在所划定的时间段内我们用化段分析法研究股票的走势与成交量。其次依照2011年4月以前的主要统计数据，来对创业板股票市场的发展趋势作出预测分析，即依据开盘价、最高价、最低价、最新价、成交量这六项数据来预测股市发展趋势。可确定开盘价、最高价、最低价、最新价、成交量、成交额的走势可反映出创业板股票市场的发展趋势。通过做折线图，发现这六项数据的走势大致是一样，在本文中，我组以最高价与最低价的平均值为例来进行分析求解。我们选择者用MATLAB数学软件对最高价与最低价的平均值数据进行拟合，作图。从而确定创业板股票市场的发展趋势。同时用RBF神经网络的股市预测的方法用MATLAB编程求出预测值,通过预测值与真实值的比较检验本模型的准确性。
最后，从现有文献看,对泡沫的定义争议很大，还没有形成统一的概念。由此可见泡沫的定义比较复杂。通过比较分析，我们认为，泡沫对于资产价格来说是经常发生的一种状态,既有正泡沫，也有负泡沫；因此我们用层次分析法分析该股市有无泡沫、泡沫的程度,通过数据比较,来判断其是否比沪深A股市场更值得投资.经过科学的运算给广大股民提供一些投资的参考性意见.
关键字 分阶段 平均值 RBF神经网络 MATLAB拟合 成交量 泡沫
符号说明

问题分析
问题一分析：本题关键是关于股票投资问题.投资者的每笔投入都为了是收入达到最优化，本题小李以10万元作为本金进入创业板股市，在选定的四种股票中进行投资.故小李的收益情况取决于四只股票的涨势情况，我们假设小李每次只投一种股票，并将每天的最高价与最低价的平均值作为该天的股票值。根据数据，我们用excel和matlab将四种股票的股票值随时间的增长趋势描绘出来。然后通过比较该时间段（2010.6。1—2011.4。29）划分为九个阶段，取它们中涨势最快的那只股进行投资,如果都处于下跌趋势的话,那么那段时间就不投资。在考虑一些买入和卖出所需要的税费，得出最后所赚钱.
问题二分析：问题二分析：基于成交量是股票走势的重要依据,因此对创业板指数的成交量做出定量分析。辅之以创业板指数最高价，最低价,最新价，开盘价的平均值，把2010。6-2011。4划分成八个阶段反映该时间段股票的大体趋势。
问题三分析:依照2011年4月以前的主要统计数据，运用RBF神经网络的股市预测的方法用MATLAB编程求出预测值 。并利用该市场2011年5月3日和5月4日的真实数据与预测值进行比较，从而验证模型的准确性。
问题四分析：先找出创业板股市平均市盈率，经济增长，人民银行公布和调整的存贷款利率与国家公布的宏观经济走势CPI的数据的比例程度，运用层次分析法建立相关数学模型,分析其相关性及该股市有无泡沫、泡沫的程度以及是否比沪深A股市场更值得投资。

模型假设
1、假设小李能够完全把握股市规律，低价买进，高价卖出；
2、假设小李每次交易时股票的价格不变;
3、假设日平均股价能够反映股票的走势情况;
4、假设在炒股期间小李无意外发生，能够满足各种炒股条件；

模型的建立与求解
问题一：
为了是小李在2010。6.1—2011.4.29获利最多,小李需要采取一下投资策略。小李不停地把自己现有资金按不同的时间段股价的涨势情况全部投入特锐德(300001）、安可生物（300009）、鼎汉技术(300011）、上海凯宝(300039)这四只股中的一只。
(1）。分别用Excel和MATLAB做出四只股票在2010。6。1—2011.4。29的图像并进行观察分析：
图表1.1
图表1。2

图表1.3

图表1。4

(2）.下面是用MATLAB将四只股票的走势情况放入同一个图形中进行比较分析。

图表1.5
由图表1.5我们可知小李首先应该选择安可生物，再由图表1.2知安可生物从2010.6.1到2010。6.11一直属于上涨趋势，故小李在2010。6.1将手中的10万元资金全部买入到安可生物，此时每股价格为19。93元。到2010.6.11再将这些股份全部卖出，此时每股价格为24.695元。
再由图表1.5知从2010。6。11到2010。7。6四只股都处于下跌趋势，故这段时间小李不进行股票投资。
从2010。7。6到2010.8。18安可生物处于上升趋势，且上涨最快，买入的股价最低，故此时小李将手头的所有资金(10万元加上次投股所赚的）全部买入安可生物，此时每股价格为19.18元，到2010。8。18达到股价最高，以每股25.36卖出。
接着2010.8.18以每股33.665将全部资金买入上海凯宝,2010。11。26以每股52。995卖出。
由通过分析图表1.5分析可知2010.11.26到2010.12。22特瑞德的股票增长最快,故2010.11。26将全部资金以每股38.12元买入特瑞德，2010。12.22以每股46.705元卖出.
而据图分析2010。12.22到2010。12。30四只股票都没有涨，故该段时间不做投资。
同理分析图知2010.12.30以每股39.795买入鼎汉技术，2011。1.7以每股44。525卖出。
再小李将全部资金在2011.1。27以每股38.875元全部买入特瑞德，到2011.2.23以每股46.34全部抛出。
又根据上面几个图分析，可知再2011。2.23之后，四只股票都处于下跌趋势，故此段时间不做投资.
(3）.根据以上论述，我们可以得出下面方程：

用matlab编出程序,可以将所对应的算出来（程序见附录1）。
得出的最后值为420640元.
同时再深圳股票交易中主要有两项费用：佣金(一般以0.15％买卖收取）,印花税（0。1%卖出收取）.
买入:税费=股价＊股数*佣金
卖出：税费=股价＊股数＊(佣金+印花税)
总税费为:7017.96元
故最后小李所得的钱为：420640—7017。96=413633。04元。
获利：413633.04—100000=313633。04元。 资金增长4.1倍.

问题二：
从创业板股市中选取 2010年6月到2011年4月的数据，其中只给出股市每天的开盘价、最高价、最低价、最新价。我们按时间为X的坐标轴画出股市的走势情况，为了得到较合理的结果，我们取每天股市的开盘价、最高价、最低价、最新价的平均值代表这天的股市的价格。如下图所示：
图2。1
同时我们画出每天相应的成交量(证券代码:399006）
如下图表：

图2。2
在我们划分的八大阶段中的第一阶段（6月1号——6月11号）大盘在短期内出现大幅上涨，从975。5398点涨到1122。894点，在增长过程中成交量也同时出现上涨。在经过一轮上涨之后，第二阶段（6月12号——7月6号） 又出现了大幅下跌到877.3045点，交易量也在低位小幅震荡。然后股值一直变动到1000点左右，进入相对而言的稳定期,在这短时期交易保持在中位运行。进入九月出现小幅下跌,从十月开始股市迅速上涨持续到十二月份达到历史最高点1228.056点，交易量也在短时期处于高位并且大幅震荡。然后又快速下跌，一月末跌到983。117点，交易量也随之下跌并在低位运行.之后的几个月内股指上涨并维持在1000点以上运行知道4月下旬跌破1000点,在4月29日最低处于897.201点。
在分析的时间段内大盘出现过过快上涨和迅速下跌，总体看来大部分时间内大盘是平稳的。具体走势如表所示：

时间段
总走势
时间段
总走势

10.6.1—10.6.11
快速上涨至1122.894点

10.10。12—10.11.26

上涨至1190。15点

10.6。12—10。7.6
持续下跌至877。3045

10.11.27—10.12.22
上涨至历史最高点1228。056

10.7.7-10。8.18
震荡维持在1000点

10.12。23 —11.2.23
下跌后维持在1000点左右
10.8。19-1010.8.19—10。10.11
小幅下跌至952。777

11。2。24——11.4。29
平稳运行后期下跌

问题三:
依照2011年4月以前的主要统计数据：开盘价,最高价,最新价,成交量，成交额，以及最高价与最低价的平均值对创业板股票市场的发展趋势做出预测分析。其中开盘价,最高价,最新价，成交量，成交额，以及最高价与最低价的平均值的折线图走势基本一致，以最高价与最低价的平均值为例，用MATLAB拟合画图，建立预测模型。。

1.模型的求解
从附录1中提取特锐德（300001）从2010年6月日到2011年4月29日中的最高价与最低价的平均值,运用MATLAB软件编程,对函数模型进行拟合，当拟合12次时，拟合图像与原始图像吻合度比较高，得到图3.1，从图3.1中可以看出创业板股票市场发展趋势下降。
把从附录1中提取特锐德（300001）的数据运用RBF神经网络的股市预测的方法用MATLAB编程求出预测值 ：

又查表可知真实值：

通过比较两者相差不大，预测比较准确。

同理,可以根据同样的办法将 安可生物（300009），鼎汉技术（300011）,上海凯宝(300039）在2011.5。3和2011。5.4的预测值和真实值算出来，如下表:

特锐德
（300001）
安可生物
（300009）
鼎汉技术
（300011）
上海凯宝
（300039）
2011。5。3预测值

2011。5.4预测值

2011。5。3真实值

2011。5。4真实值

其图见图3。2，图3.3和图3。4；程序见附录2,3,4,5。

图3。1

图3。2

图3.3

图3.4

问题四： 模型的建立与求解
什么叫做泡沫，就是价格偏离价值，已经到了很危险的地步，已经离开了基本面了。市盈率是用股价除以每股净利润得到的比值。市盈率越高就意味着投资受益率越低，股价越被高估。股市平均市盈率高，意味着股价整体高估,这就是泡沫。（平均市盈率=每股市场价格/每股每年税后利润）
到目前为止，许多专家都无法给出“泡沫”一个准确的定义，所以我们根据层次分析法，为了确定深圳创业板市场平均市盈率、经济增长数据、人民银行公布和调整的存贷利率与国家公布的宏观经济走势CPI的数据这四个因素对创业板股市有无泡沫的影响，我们建立了综合评价决策模型.在此模型中，设上述准则层四个因素分别为，设要比较其对目标函数的重要性根据经济学专家关于这四个因素对创业板股市泡沫影响程度的比较，得到成对比较矩阵：
Error! Bookmark not defined.
构造成对比较矩阵的取值，他们所代表的意义是与之间影响的比。
利用MATLAB软件计算出A的最大特征根(程序见附录6）=4。一致性指标

因为 越大,不一致性越严重。

由n=4在随机一致性指标的数值表中查得=0.9,一致性比率
即通过了一致性检验。
计算出最大特征值=4对应的特征向量为归一化后的权向量为0,这就是专家对创业板股市有无泡沫的影响因素的最终综合评判结果。由此可以得知对深圳创业板市场有无泡沫影响最大的因素是创业板股市的平均市盈率。
下面我们就通过分析创业板市场的平均市盈率来分析该股市有无泡沫、泡沫的程度。
通过对数据的处理以及上述公式的计算,可以得到2010.6。1—2011.4.29的平均市盈率为 35。41792，约为35倍,由35〉28【】，则可以说明，创业板市场在这一时段内有泡沫，起泡沫程度约为26。49%.

参考文献
[1］深圳创业板股市分析
http://baike.baidu。com/view/3012377。htm 2011。8.18

[2］创业板指数 http://baike.baidu。com/view/3012377.htm 2011。8.18
［3]市盈率 http：//baike。 2011.8。18
［4]层次分析法在综合评价中的应用ki。com。cn/Article/CJFDTotal-KJNJ200907029.htm 2011.8。21
[5]层次分析法案例
http：//www。docin。com/p—7409018.html 2011。8.21

附录

附录1：
〉〉 z=100000;
x（1）=19.93 ；x（2)=19.18 ;x(3)=33。665；x（4)=38。12 ;x(5)=39。795 ;x(6）=38.875;
y(1）=24.965；y(2）=25。36；y（3）=52。995 ;y(4)=46。705；y（5）=44。525 ；y（6)=46。34;
for i=1:6
z=z*y(i)/x（i)
end
z =
1。2526e+005
z =
1。6562e+005
z =
2.6072e+005
z =
3。1944e+005
z =
3.5741e+005
z =
4.2604e+005

附录2：
A=xlsread（'1.xls');
x1=1:218;
y1=A(1：218，8);
y1=y1’；
net=newff（x1,y1，40);
net。trainParam。epochs = 1000；
net = train(net,x1，y1)；
Y = sim（net，x1）；
plot（x1,y1，x1,Y，'r-’)；
a=[222，224]；
b=sim(net,a);
disp(b);

附录3：
A=xlsread(’1。xls’）；
x2=1：217；
y2=A(221：437,8）;
y2=y2';
net=newff(x2,y2，40）;
net。trainParam。epochs = 1000；
net = train(net，x2，y2）；
Y = sim(net,x2）；
plot（x2，y2，x2,Y,'r—-')；
a=［222,224];
b=sim（net,a);
disp（b)；

附录4：
A=xlsread('1。xls'）;
x3=1：216；
y3=A(440：655,8）;
y3=y3’；
net=newff(x3，y3,40）；
net。trainParam.epochs = 1000；
net = train（net,x3，y3)；
Y = sim（net，x3）；
plot(x3，y3，x3，Y,’r—-')；
a=[222,224］；
b=sim(net,a);
disp(b）；

附录5：
A=xlsread(’1。xls’)；
x4=1:219；
y4=A（659：877，8）;
y4=y4’;
net=newff（x4，y4，30)；
net.trainParam.epochs = 1000；
net = train(net，x4,y4)；
Y = sim（net,x4）；
plot（x4，y4，x4,Y，'r-’)；
a=［222，225］;
b=sim（net，a）；
disp（b)；

附录6
> A=[1 2 8/5 8/3;1/2 1 4/5 4/3；5/8 5/4 1 5/3;3/8 3/4 3/5 1］
A =
1.0000 2.0000 1.6000 2。6667
0.5000 1。0000 0。8000 1.3333
0.6250 1。2500 1.0000 1.6667
0.3750 0。7500 0。6000 1.0000

〉〉 ［x,y]=eig（A)
x =
-0.9592 0.7493 —0.4350 -0。1719
0.1599 0。3746 —0。6481 0。4256
0.1998 0.4683 0.0428 —0.8508
0。1199 0。2810 0。6236 0.2558
y =
0.0000 0 0 0
0 4。0000 0 0
0 0 -0.0000 0
0 0 0 0。0000