上海股市問(wèn)題分析

1、2009高教社杯全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽承 諾 書(shū)我們仔細(xì)閱讀了中國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽的競(jìng)賽規(guī)則.我們完全明白，在競(jìng)賽開(kāi)始后參賽隊(duì)員不能以任何方式（包括電話、電子郵件、網(wǎng)上咨詢(xún)等）與隊(duì)外的任何人（包括指導(dǎo)教師）研究、討論與賽題有關(guān)的問(wèn)題。我們知道，抄襲別人的成果是違反競(jìng)賽規(guī)則的, 如果引用別人的成果或其他公開(kāi)的資料（包括網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。我們鄭重承諾，嚴(yán)格遵守競(jìng)賽規(guī)則，以保證競(jìng)賽的公正、公平性。如有違反競(jìng)賽規(guī)則的行為，我們將受到嚴(yán)肅處理。我們參賽的題目是： A題 上海股市若干問(wèn)題分析 我們的參賽報(bào)名號(hào)為（如果賽區(qū)設(shè)置報(bào)名號(hào)的話）：

2、 所屬學(xué)校（請(qǐng)?zhí)顚?xiě)完整的全名）： 中南大學(xué) 參賽隊(duì)員 (打印并簽名) ：1. 劉 晶 材料0711 2. 區(qū)月星 統(tǒng)計(jì)0701 3. 楊 琛 土木0703 指導(dǎo)教師或指導(dǎo)教師組負(fù)責(zé)人 (打印并簽名)： 日期： 2009 年 8 月 18 日賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：2009高教社杯全國(guó)大學(xué)生數(shù)學(xué)建模競(jìng)賽編 號(hào) 專(zhuān) 用 頁(yè)賽區(qū)評(píng)閱編號(hào)（由賽區(qū)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：全國(guó)統(tǒng)一編號(hào)（由賽區(qū)組委會(huì)送交全國(guó)前編號(hào)）：全國(guó)評(píng)閱編號(hào)（由全國(guó)組委會(huì)評(píng)閱前進(jìn)行編號(hào)）：上海股市若干問(wèn)題分析摘 要本文根據(jù)上海股市2005年6月到2009年8月的上證指數(shù)數(shù)據(jù)以及國(guó)家GDP和GIP等數(shù)據(jù)的收集統(tǒng)計(jì)，對(duì)

3、上海股票市場(chǎng)的走勢(shì)情況作出了綜合評(píng)價(jià)，并建立了短期內(nèi)預(yù)測(cè)股市發(fā)展趨勢(shì)模型，研究了上海股市所存在的泡沫問(wèn)題，最后提出了檢驗(yàn)泡沫程度的可行性方案。針對(duì)問(wèn)題一，通過(guò)對(duì)所搜集的2005年6月到2009年8月上海股市主要數(shù)據(jù)進(jìn)行整理統(tǒng)計(jì)（見(jiàn)附錄表1），建立模型動(dòng)態(tài)規(guī)劃模型（以一個(gè)月為投資周期計(jì)），以最大獲利為目標(biāo)函數(shù)，按照每月的最高價(jià)和每月的最低價(jià)為基準(zhǔn)，通過(guò)MATLAB7.0.1編程（附錄程序一）得到結(jié)果是小李在投資32個(gè)月后最多獲利408.8952萬(wàn)元，資金增長(zhǎng)40.88倍。針對(duì)問(wèn)題二，考慮到要對(duì)過(guò)去50個(gè)月的股市走勢(shì)做出綜合評(píng)價(jià)，我們選取上證月平均市盈率和月底收盤(pán)價(jià)作為我們?cè)u(píng)價(jià)的對(duì)象。但是通過(guò)對(duì)數(shù)

4、據(jù)的統(tǒng)計(jì)，發(fā)現(xiàn)數(shù)據(jù)都具有隨機(jī)離散性，于是我們選擇用MATLAB7.0.1編程（附錄程序二、三）進(jìn)行曲線擬合，最后通過(guò)五次擬合，分別得到比較滿(mǎn)意的曲線和。由微分方程知識(shí)，對(duì)、求導(dǎo)數(shù)，取其極值點(diǎn)處，然后分段對(duì)各個(gè)時(shí)期的發(fā)展?fàn)顩r進(jìn)行綜合評(píng)價(jià)。 針對(duì)問(wèn)題三，首先對(duì)2009年5月以前的主要數(shù)據(jù)(見(jiàn)附錄表2)進(jìn)行統(tǒng)計(jì)，考慮到數(shù)據(jù)的不規(guī)則，我們利用時(shí)間序列分析，建立了模型ARIMA(p,d,q)模型。通過(guò)數(shù)學(xué)統(tǒng)計(jì)軟件Eviews5.0進(jìn)行單根檢驗(yàn)平滑性，利用AIC值最小的模型對(duì)2009年5月以后的股市進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)該模型的準(zhǔn)確預(yù)測(cè)具有一定局限性。然后我們通過(guò)模型修正進(jìn)而建立了模型二次指數(shù)平滑預(yù)測(cè)模型，該模型

5、具有無(wú)限期預(yù)測(cè)能力，取周期T為7天，用Eviews5.0計(jì)算出2009年4月至8月上證指數(shù)預(yù)測(cè)值，再用EXCEL對(duì)真實(shí)值和預(yù)測(cè)值進(jìn)行擬合，但發(fā)現(xiàn)擬合效果較差?？紤]到前兩個(gè)模型的缺點(diǎn)和不足之處，我們又建立了模型灰色-馬爾科夫預(yù)測(cè)模型，以GM（1，1）模型趨勢(shì)化為基礎(chǔ)進(jìn)行馬爾科夫預(yù)測(cè)，利用MATLAB7.0.1編程（附錄程序四）求得預(yù)測(cè)模型，為了提高預(yù)測(cè)的精確度，進(jìn)行準(zhǔn)確度分析，并修正預(yù)測(cè)值，經(jīng)檢驗(yàn)證明該模型的預(yù)測(cè)精度更高。最后通過(guò)灰色-馬爾科夫預(yù)測(cè)模型我們分別得出了相對(duì)比較準(zhǔn)確的2009年4月至8月的上證指數(shù)（見(jiàn)附錄表3）。針對(duì)問(wèn)題四，通過(guò)對(duì)上海股市PE、GDP、利率r以及CPI數(shù)據(jù)（見(jiàn)附錄表4

6、）的分析，考慮到這些因素都會(huì)影響到股市泡沫的生成或破滅，我們建立了多元線性回歸模型，得到了上證股指關(guān)于上述多因素的回歸函數(shù)，。通過(guò)參數(shù)估計(jì)以及F檢驗(yàn)后得到回歸方程（見(jiàn)正文中式2.1），結(jié)合股市泡沫產(chǎn)生的原理分析出上證于2007年10月左右產(chǎn)生了比較明顯的泡沫現(xiàn)象，泡沫的影響程度已被政府相關(guān)的貨幣政策及經(jīng)濟(jì)的發(fā)展等各方面社會(huì)因素相對(duì)降到了最低。最后本文針對(duì)未來(lái)股市市場(chǎng)泡沫問(wèn)題的預(yù)測(cè)提出了建立泡沫指標(biāo)體系進(jìn)而運(yùn)用多元統(tǒng)計(jì)方法對(duì)股市泡沫進(jìn)行綜合判定的可行性建議。關(guān)鍵詞：動(dòng)態(tài)規(guī)劃模型 ARIMA(p,d,q)模型 二次指數(shù)平滑預(yù)測(cè) 灰色-馬爾科夫預(yù)測(cè)模型 多元線性回歸模型 股市泡沫 1 背景說(shuō)明與問(wèn)題

7、重述1.1 背景說(shuō)明股票本身沒(méi)有價(jià)值，但它可以當(dāng)作商品買(mǎi)賣(mài)，并且有一定的價(jià)格。股票的市場(chǎng)價(jià)格即股票在股票市場(chǎng)上買(mǎi)賣(mài)的價(jià)格。靜態(tài)地看，投資者是把資金投資于股票還是存于銀行，這首先取決于哪一種投資的收益率高。目前，股票已經(jīng)成為我國(guó)大眾投資的主要渠道之一。如何對(duì)股票市場(chǎng)整體及個(gè)股近期走勢(shì)情況、發(fā)展趨勢(shì)做出較準(zhǔn)確的定量分析，將對(duì)股民的投資和國(guó)家相關(guān)政策的制定提供必要的數(shù)據(jù)支撐，有重要的研究意義。一個(gè)特定的股票市場(chǎng)是由來(lái)自許多各種行業(yè)的上市公司的股票構(gòu)成，在我國(guó)滬深股市的聯(lián)動(dòng)性很強(qiáng)，且上證指數(shù)能更好的反映我國(guó)股市的走勢(shì)。上海股市有近900家上市公司（A股），反映總體數(shù)據(jù)的上證指數(shù)表明了這些上市公司的股價(jià)

8、水平，而上市公司盈利情況的指標(biāo)可以用平均市盈率來(lái)表示，平均市盈率反映了投資的回報(bào)水平。1.2 炒股簡(jiǎn)介買(mǎi)賣(mài)股票步驟：1:先開(kāi)戶(hù)：本人帶上身份證，挑選一家證券公司營(yíng)業(yè)部，辦理上海和深圳的股帳戶(hù)卡，一共50+40元（目前很多營(yíng)業(yè)部免收）。 2：簽定第三方存管協(xié)議：即指定一家銀行，以后資金轉(zhuǎn)進(jìn)轉(zhuǎn)出都是通過(guò)那家行的銀行卡。 3：下載交易軟件(證券公司網(wǎng)站上)。軟件分兩種，一種是看行情的，一種是做交易的，就是網(wǎng)上委托程序。輸入資金帳戶(hù)和交易密碼后，便可以買(mǎi)賣(mài)交易。 4：買(mǎi)賣(mài)股票最低單位為1手，也就是100股。 5：交易費(fèi)用： 印花稅：?jiǎn)蜗蚴杖?，賣(mài)出成交金額的千分之一（0.1）。 過(guò)戶(hù)費(fèi)：買(mǎi)賣(mài)上海股票才收

9、取，每1000股收取1元，低于1000股也收取1元。 傭金：買(mǎi)賣(mài)雙向收取，成交金額的0.1%0.3%，起點(diǎn)5元?？筛?dòng)，和券商營(yíng)業(yè)部面談，根據(jù)資金量和成交量可以適當(dāng)降低。 6：買(mǎi)進(jìn)費(fèi)用： （1）傭金0.2%-0.3%，根據(jù)你的證券公司決定，但是擁擠最低收取標(biāo)準(zhǔn)是5元。比如你買(mǎi)了1000元股票，實(shí)際傭金應(yīng)該是3元，但是不到5元都按照5元收取 ；（2）過(guò)戶(hù)費(fèi)（僅僅限于滬市）。每一千股收取1元，就是說(shuō)你買(mǎi)賣(mài)一千股都要交1元； （3）通訊費(fèi)。上海，深圳本地交易收取1元，其他地區(qū)收取5元。 賣(mài)出費(fèi)用： （1）印花稅0.1% ；（2）傭金0.2%-0.3%，根據(jù)你的證券公司決定，但是擁擠最低收取標(biāo)準(zhǔn)是5元

10、。比如你買(mǎi)了1000元股票，實(shí)際傭金應(yīng)該是3元，但是不到5元都按照5元收取 ；（3）過(guò)戶(hù)費(fèi)（僅僅限于滬市）。每一千股收取1元，就是說(shuō)你買(mǎi)賣(mài)一千股都要交1元 ；（4）通訊費(fèi)。上海，深圳本地交易收取1元，其他地區(qū)收取5元。1.3 問(wèn)題重述一個(gè)特定的股票市場(chǎng)是由來(lái)自許多各種行業(yè)的上市公司的股票構(gòu)成，在我國(guó)滬深股市的聯(lián)動(dòng)性很強(qiáng)，且上證指數(shù)能更好的反映我國(guó)股市的走勢(shì)。上海股市有近900家上市公司（A股），反映總體數(shù)據(jù)的上證指數(shù)表明了這些上市公司的股價(jià)水平，而上市公司盈利情況的指標(biāo)可以用平均市盈率來(lái)表示，平均市盈率反映了投資的回報(bào)水平。2005年6月，上證綜指破1000點(diǎn)，2006年1月從1200點(diǎn)啟動(dòng)，

11、截止2007年10月16日，股市沖高6124點(diǎn)后，這一輪行情的上漲應(yīng)該算是歷史上最為猛烈的。但快速上漲之后又拉開(kāi)了快速下跌的大幕，滬深股市頻繁出現(xiàn)大幅下跌，2008年10月28日跌至1664點(diǎn)，但股民的投資熱情似乎并無(wú)減少，與此同時(shí)有關(guān)這一階段我國(guó)股市是否出現(xiàn)泡沫的爭(zhēng)論也不絕于耳。以上海股市為例，選取2005年6月到2009年8月的數(shù)據(jù)，分析以下問(wèn)題：1.若小李有現(xiàn)金10萬(wàn)元，并于06年6月1日進(jìn)入股市，只在浦發(fā)銀行、中國(guó)聯(lián)通、萬(wàn)通地產(chǎn)、四川長(zhǎng)虹4只股票中進(jìn)行投資選擇，請(qǐng)問(wèn)：至2009年8月7日小李最多獲利多少，資金增長(zhǎng)多少倍，采用何種投資策略？ 2.對(duì)上海股票市場(chǎng)在該時(shí)間段（2005.620

12、09.8）的走勢(shì)情況做出定量的綜合評(píng)價(jià)，并按照你劃定的時(shí)期分析各個(gè)時(shí)期的發(fā)展?fàn)顩r。3.依照2009年5月以前的主要統(tǒng)計(jì)數(shù)據(jù)，對(duì)上海股票市場(chǎng)的發(fā)展趨勢(shì)做出預(yù)測(cè)分析，并利用上海股票市場(chǎng)2009年5月以后的統(tǒng)計(jì)數(shù)據(jù)驗(yàn)證你的模型。4.考慮上海股市平均市盈率，經(jīng)濟(jì)增長(zhǎng)數(shù)據(jù)，人民銀行公布和調(diào)整的存貸款利率與國(guó)家公布的宏觀經(jīng)濟(jì)走勢(shì)CPI的數(shù)據(jù)等因素建模分析上海股市有無(wú)泡沫以及泡沫的程度。 2 模型假設(shè)（1）假設(shè)投資者小李已經(jīng)可以準(zhǔn)確知道未來(lái)股市發(fā)展趨勢(shì)（2）投資者決策周期按月計(jì)（3）上證股市的發(fā)展僅與市盈率、GDP、利率、CPI有關(guān)（4）泡沫的產(chǎn)生不考慮非理性因素影響（5）未來(lái)的行情由現(xiàn)在的行情決定3 符號(hào)

13、說(shuō)明 CPI消費(fèi)者物價(jià)指數(shù) PE月平均市盈率 4 問(wèn)題一 投資決策4.1 問(wèn)題分析 從搜集到的數(shù)據(jù)可以看到自06年6月以來(lái)四個(gè)銀行：浦發(fā)銀行、中國(guó)聯(lián)通、萬(wàn)通地產(chǎn)、四川長(zhǎng)虹的每月最低開(kāi)盤(pán)價(jià)和最高收盤(pán)價(jià)以及每月的股票最低價(jià)和最高價(jià)表（分別見(jiàn)附錄表1），根據(jù)分析我們主要有以下幾種解法使小李的10萬(wàn)元截止到8月7號(hào)獲利最大：假設(shè)小李每次做決策的時(shí)間間隔相同，即有固定周期T，則： T=1年，這樣無(wú)論買(mǎi)那種股票，由于股票持有時(shí)間（隨機(jī)的）或許會(huì)很長(zhǎng)，造成投資股指無(wú)形虧損，最后獲利顯然不是最大； T=1月，每次以每月最低價(jià)買(mǎi)進(jìn)，然后以每月最高價(jià)賣(mài)出，根據(jù)已有的數(shù)據(jù)畫(huà)出的預(yù)測(cè)曲線會(huì)得到比較可觀的收益，但是最高

14、價(jià)和最低價(jià)有時(shí)間上的不合理性，所以需要進(jìn)一步改進(jìn)； T=1月，每次以每月最低開(kāi)盤(pán)價(jià)買(mǎi)進(jìn)，然后以每月最高收盤(pán)價(jià)賣(mài)出，這樣也會(huì)賺的很多，考慮到可能最低開(kāi)盤(pán)價(jià)會(huì)高于最高收盤(pán)價(jià)，所以這樣賺的錢(qián)不如多；為了不致使計(jì)算量太大，我們?cè)诖瞬挥靡恢転閱挝恢芷?，以月為投資時(shí)間單位。即小李在某月內(nèi)將所有本金用于買(mǎi)入同一個(gè)股票，并在同一個(gè)月拋出。4.2 符號(hào)說(shuō)明股票i在第j個(gè)月出現(xiàn)的第二個(gè)極值股票i在第j個(gè)月出現(xiàn)的第一個(gè)極值第j個(gè)月小明所持有的資金4.3動(dòng)態(tài)規(guī)劃模型建立選擇在股票的買(mǎi)賣(mài)中采取最低價(jià)買(mǎi)入，最高價(jià)賣(mài)出，這樣從中獲利會(huì)最大的。小明在當(dāng)月的最低價(jià)買(mǎi)入，在當(dāng)月的最高價(jià)賣(mài)出，如果股票出現(xiàn)下滑，也就是在當(dāng)月最高價(jià)比

15、最低價(jià)出現(xiàn)得早，當(dāng)月就不投資。當(dāng)月所獲得的資金投資到下個(gè)月的股市買(mǎi)賣(mài)中，計(jì)算所獲得的最大利潤(rùn)?？紤]到最高價(jià)和最低價(jià)出現(xiàn)的時(shí)間差問(wèn)題，我們引入第一極值和第二極值的概念以調(diào)整時(shí)間上的不合理性。建立一個(gè)動(dòng)態(tài)規(guī)劃模型，采用第一極值買(mǎi)進(jìn)和第二極值賣(mài)出法，其中為第j個(gè)月投資股票i所獲利潤(rùn)，只選擇利潤(rùn)最大的股票來(lái)投資；若利潤(rùn)最大的股票都小于0，則此月不投資，所擁有的資金不變。由此，建立如下的目標(biāo)函數(shù)：s.t.其中, 表示取整；4.4 模型求解用MATLAB7.0.1編程（見(jiàn)附錄程序一）求解可得：=408.8952萬(wàn)元 則是小李剛開(kāi)始的10萬(wàn)元的40.88倍。5.問(wèn)題二 走勢(shì)評(píng)價(jià)5.1 PE 走勢(shì)分析根據(jù)表2

16、（見(jiàn)附錄表2）的數(shù)據(jù),我們用MATLAB7.0.1(見(jiàn)附錄程序二) 對(duì)2005年6月到2009年7月上海股市月平均市盈率進(jìn)行曲線擬合，分別作二次，三次，四次，五次的曲線擬合，得到如下圖： 圖5.1-上海月市盈率擬合圖二次擬合曲線為三次擬合曲線為四次擬合曲線為五次擬合曲線為從圖中可以看出，五次曲線的擬合效果較好。但由于其中的五次項(xiàng)系數(shù)0，此式子也是一個(gè)四次多項(xiàng)式。通過(guò)對(duì)曲線進(jìn)行求導(dǎo)分析：得出當(dāng) 時(shí)，函數(shù)得到極值，結(jié)合圖表，可以知道在區(qū)間0,0.43單調(diào)遞增，增長(zhǎng)率比較小，此段比較平穩(wěn)；在區(qū)間0.43,7.54，函數(shù)單調(diào)遞減，增長(zhǎng)率比較小，此段也是比較的平穩(wěn)；在區(qū)間7.54，28.34，函數(shù)單調(diào)遞

17、增，而且增長(zhǎng)率比較大；在區(qū)間28.34，44.53，函數(shù)單調(diào)遞減，減小率比較大；在區(qū)間44.53,50，函數(shù)單調(diào)遞增。由以上分析可得到2005.6-2009.6的市盈率變化情況：2005.6.1-2005.6.13 PE遞增，但增長(zhǎng)率比較小2005.6.14-2006.1.15 PE遞減，增長(zhǎng)率比較小，此段也是比較的平穩(wěn)2006.1.16-2007.10.10 PE遞增，而且增長(zhǎng)率比較大2007.10.11-2009.4.15 PE遞減，減小率比較大2009.4.16-2009.7.2 PE遞增，函數(shù)單調(diào)遞增5.2 月底收盤(pán)價(jià)走勢(shì)分析同理根據(jù)表3（見(jiàn)附錄表3）的數(shù)據(jù),我們用MATLAB7.0.

18、1(見(jiàn)附錄程序三) 對(duì)2005年6月到2009年7月上海股市月底收盤(pán)價(jià)進(jìn)行曲線擬合，分別作二次，三次，四次，五次的曲線擬合，得到如下圖： 圖5.2-上海上證指數(shù)月底收盤(pán)價(jià)擬合圖二次擬合曲線為三次擬合曲線為四次擬合曲線為五次擬合曲線為經(jīng)過(guò)對(duì)比，五次曲線擬合的效果最好，從而得到擬合的曲線方程為：通過(guò)對(duì)曲線進(jìn)行求導(dǎo)分析：得出當(dāng)時(shí)單調(diào)減小，減小率比較小，此段比較平穩(wěn)，函數(shù)得到極值，結(jié)合圖表，可以知道在區(qū)間0,6.89；在區(qū)間6.89,29.56，函數(shù)單調(diào)增大，增長(zhǎng)率比較大；在區(qū)間29.56，45.30，函數(shù)單調(diào)減小，而且減小率率比較大；在區(qū)間45.30，50，函數(shù)單調(diào)增長(zhǎng)。由以上分析可得，將能反映月市

19、盈率變化的函數(shù)劃分成以下幾個(gè)時(shí)期：2005.6.1-2006.1.2 單調(diào)減小，減小率比較小，此段比較平穩(wěn)2006.1.3-2008.1.18 單調(diào)增大，增長(zhǎng)率比較大 2008.1.19-2009.3.10 單調(diào)減小，而且減小率比較大2009.3.11-2009.7.2 單調(diào)增長(zhǎng)。 6 問(wèn)題三 股市預(yù)測(cè)6.1 問(wèn)題分析統(tǒng)計(jì)出上海股市2009年5月以前的主要數(shù)據(jù)（見(jiàn)附錄表3），下面將建立三個(gè)模型（模型、模型、模型），分別研究它們對(duì)上證指數(shù)的預(yù)測(cè)。6.2 模型ARIMA(p,d,q)模型6.2.1模型簡(jiǎn)介序列： （6.1）（其中， 為實(shí)數(shù)，p，q為非負(fù)實(shí)數(shù)，為白噪聲序列。為平穩(wěn)時(shí)間序列）推移算子B

20、定義如下：， .算子多項(xiàng)式 . （6.2） （6.3）應(yīng)用算子多項(xiàng)式,式(12)可改寫(xiě)為 ， 序列：設(shè)Xt 是非平穩(wěn)序列，若存在d，使得，st是平穩(wěn)序列，則稱(chēng)Xt是序列，Xt滿(mǎn)足。 （6.5）6.2.2 模型提出ARIMA模型即自回歸累積移動(dòng)平均模型，是能夠預(yù)測(cè)平穩(wěn)及非平穩(wěn)的時(shí)間序列的一類(lèi)線性模型，就業(yè)彈性是一種典型的時(shí)間序列數(shù)據(jù)，考慮到數(shù)據(jù)內(nèi)部的自相關(guān)性，提出了ARIMA(p, d, q)模型對(duì)就業(yè)彈性進(jìn)行預(yù)測(cè)。6.2.3 ARIMA(p, d, q)模型建立該模型的建立可以分為以下幾個(gè)步驟：步驟一：辯識(shí)通過(guò)平穩(wěn)性單根檢驗(yàn)來(lái)判斷原始數(shù)據(jù)確定的時(shí)間序列是否平穩(wěn).如果不平穩(wěn)，使用由若干次差分的方

21、法以達(dá)到平穩(wěn).同時(shí)確定差分階數(shù)d。轉(zhuǎn)化后的序列符合ARMA（p, q）模型，然后利用AIC定階準(zhǔn)則確定其中p, q 的值。步驟二：確定ARMA（p，q）序列通過(guò)條件最小二乘法確定序列 （6.6） 中的參數(shù)，的值。 步驟三：預(yù)測(cè)利用所擬合的模型進(jìn)行預(yù)測(cè)。6.2.4 模型求解6.2.4.1數(shù)據(jù)預(yù)處理1. 首先進(jìn)行數(shù)據(jù)預(yù)處理，選取2008年10月至2009年4月上證各周的收盤(pán)價(jià)，用Excel作出2008年10月至2009年4月上證各周收盤(pán)指數(shù)與時(shí)間的關(guān)系圖：圖5.3 2008年10月至2009年4月各周上證指數(shù)的走勢(shì)圖由上圖可以明顯看出上證指數(shù)這些年的走勢(shì)情況，雖然股指呈現(xiàn)出總體上升的趨勢(shì) ，但仍可

22、看出其有明顯的波動(dòng)和震蕩，故此下面我們用單根檢驗(yàn)的方法檢驗(yàn)其平滑性。6.2.4.2單根檢驗(yàn)平滑性使用軟件Eviews5.0數(shù)據(jù)直接檢驗(yàn)：假設(shè)H0 : H1 : T檢驗(yàn)值均大于T檢驗(yàn)的臨界值，拒絕假設(shè)H0 : 即認(rèn)為該組時(shí)間序列不存在單位根，因此，該組數(shù)據(jù)不顯著，是平穩(wěn)的。6.2.4.3求解p,q值運(yùn)用所給數(shù)據(jù)應(yīng)用AIC準(zhǔn)則確定ARIMA(p, 2, q)序列中p，q的值：表6.2 （p，q）取不同值時(shí)的AIC值（p，q）（1，0）（2，0）（3，0）（1，1）（1，2）AIC12.2574012.9311813.2143612.3284912.31001（p，q）（2，1）（2，2）（3，1）

23、（2，3）（1，3）AIC12.2905012.2060412.8847212.8481612.31218由于AIC值越小，該時(shí)間序列模型的預(yù)測(cè)越準(zhǔn)確，故由上表可知，應(yīng)選擇AIC值較小的模型 p=2，q=2。6.2.4.4 分析預(yù)測(cè)由ARIMA法得：表6.3 2005年6月至2009年7月的實(shí)際值與預(yù)測(cè)值日期2008-10-242008-10-312008-11-72008-11-142008-11-212008-11-28真實(shí)值1839.621728.791747.711986.441969.391871.16預(yù)測(cè)值2058.8761990.5762115.8312049.1132171.4

24、672106.295日期2008-12-52008-12-122008-12-192008-12-262008-12-312009-1-9真實(shí)值2018.661954.212018.461851.521820.811904.86預(yù)測(cè)值2225.8142162.1512278.9012216.7142330.7592270.013日期2009-1-162009-1-232009-2-62009-2-132009-2-202009-2-27真實(shí)值1954.441990.662181.242320.792261.482082.85預(yù)測(cè)值2381.4162322.0762372.9342479.235

25、2422.6132526.452日期2009-3-62009-3-132009-3-202009-3-272009-4-32009-4-10真實(shí)值2193.012128.852281.092374.442419.782444.23預(yù)測(cè)值2471.1422572.5752518.5462617.6292564.8522661.64日期2009-4-172009-4-242009-4-302009-5-82009-5-152009-5-22真實(shí)值2503.942448.592477.572625.652645.262597.6預(yù)測(cè)值2610.0862704.6312654.2712746.6262

26、697.4332787.648日期2009-5-272009-6-52009-6-122009-6-192009-6-262009-7-3真實(shí)值2632.932753.892743.762880.492928.213088.37預(yù)測(cè)值2739.5942827.722780.7792866.8632821.012905.1日期2009-7-102009-7-172009-7-242009-7-312009-8-72009-8-14真實(shí)值3113.933189.743372.63412.063260.693046.97預(yù)測(cè)值2860.3092942.4512898.6982978.9362936.

27、1973014.576用EXCEL對(duì)2009年4月至8月各周上證指數(shù)真實(shí)值和預(yù)測(cè)值做圖如下：圖5.4 2009年4月至8月各周上證指數(shù)真實(shí)值和預(yù)測(cè)值比較從上圖可以明顯的看出，該時(shí)間序列模型雖然所預(yù)測(cè)的股指總體走勢(shì)與實(shí)際基本吻合，但單個(gè)預(yù)測(cè)值誤差較大，準(zhǔn)確度較差。6.2.5 模型評(píng)價(jià)ARIMA模型與大多數(shù)方法不同，它不對(duì)預(yù)測(cè)序列中的歷史數(shù)據(jù)進(jìn)行任何特定模式的假設(shè)，而是在充分考慮序列自相關(guān)性的基礎(chǔ)上作出的預(yù)測(cè)，其理論完善，且有很強(qiáng)的通用性。但是，ARIMA模型的計(jì)算量大，一般只能通過(guò)計(jì)算機(jī)求解；跟二次指數(shù)平滑法模型類(lèi)似，ARIMA模型不考慮任何自變量對(duì)就業(yè)彈性的影響，只是利用序列本身所蘊(yùn)涵的信息進(jìn)

28、行預(yù)測(cè)，這樣導(dǎo)致的結(jié)果往往會(huì)是對(duì)中短期的預(yù)測(cè)有較好的結(jié)果，但長(zhǎng)期預(yù)測(cè)有較大偏差。鑒于此，我們提出模型-二次指數(shù)平滑模型進(jìn)行預(yù)測(cè)。6.3 模型-二次指數(shù)平滑預(yù)測(cè)模型6.3.1 模型提出通過(guò)數(shù)據(jù)資料（見(jiàn)附錄表3），用EXCLE畫(huà)出2005年6月到2009年4月各月上證指數(shù)大致趨勢(shì)圖如下：圖5.5- 2005.6到2009.8各月上證指數(shù)大致趨勢(shì)圖由上圖可以明顯的看出，上證指數(shù)存在較大的波動(dòng)，尤其在中期出現(xiàn)了一個(gè)明顯的波峰，這對(duì)于預(yù)測(cè)的準(zhǔn)確性會(huì)產(chǎn)生一定的影響，故此，我們重新選擇2008年10月至2009年4月每周的上證指數(shù)作為歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)，下圖為2008年10月至2009年4月各周上證指數(shù)的走勢(shì)

29、圖：圖5.6- 2008.10至2009.4各周上證指數(shù)的走勢(shì)圖由圖6.3可以明顯的看出，本時(shí)期內(nèi)上證指數(shù)是大致呈現(xiàn)平穩(wěn)上升趨勢(shì)的序列數(shù)據(jù)。而二次指數(shù)平滑法預(yù)測(cè)正適用于此類(lèi)序列數(shù)據(jù)的預(yù)測(cè)，所以我們利用2008年10月至2009年4月各周上證指數(shù)，采用二次指數(shù)平滑法對(duì)未來(lái)三個(gè)月的上證指數(shù)進(jìn)行預(yù)測(cè)。6.3.2 符號(hào)說(shuō)明第t期的上證指數(shù)實(shí)際值第t期的上證指數(shù)預(yù)測(cè)值。6.3.3 模型建立二次指數(shù)平滑法也稱(chēng)布朗指數(shù)平滑法。運(yùn)用該方法進(jìn)行預(yù)測(cè)可以分為以下四個(gè)步驟：步驟一： 計(jì)算一次指數(shù)平滑值記一次指數(shù)平滑值為，則對(duì)計(jì)算的指數(shù)平滑值： （1.1）令，,得到 （1.2）步驟二：計(jì)算二次指數(shù)平滑值記二次指數(shù)平滑

30、值為 ，是對(duì)計(jì)算的指數(shù)平滑值： （1.3）二次指數(shù)平滑法把線性趨勢(shì)方程的參數(shù)看作參數(shù)變量，隨新增樣本信息而變化。變參數(shù)線性趨勢(shì)方程的形式為： （1.4）式中， t現(xiàn)期 T預(yù)測(cè)期數(shù) T為0時(shí)的截距，即預(yù)測(cè)的起始數(shù)據(jù) 線性趨勢(shì)線的斜率步驟三：參數(shù)的求解（式1.4中的參數(shù)和）依據(jù)式1.2易得到下式： （1.5）根據(jù)式1.31.5，可以得到參數(shù)的計(jì)算公式，如下： （1.6）步驟四：數(shù)據(jù)的預(yù)測(cè)該模型有無(wú)限期預(yù)測(cè)能力，作一期預(yù)測(cè)時(shí)： （1.7）作T（2）期預(yù)測(cè)時(shí)，則由（1.7）式求出樣本最末期的和值，代入（1.4）式計(jì)算。6.3.4 模型求解根據(jù)（1.1）式(1.7)式，利用Eviews5.0進(jìn)行求解，則

31、可以得到2009年4月之后的每周上證指數(shù)的的預(yù)測(cè)值，如表6.4所示：表 6.4 2009年5月至8月各周上證指數(shù)的真實(shí)值和預(yù)測(cè)值日期2009-5-8 2009-5-15 2009-5-22 2009-5-27 2009-6-5 實(shí)際值2625.652645.262597.62632.932753.89預(yù)測(cè)值2567.3642599.4982631.6322663.7662695.899日期2009-6-12 2009-6-19 2009-6-26 2009-7-3 2009-7-10 實(shí)際值2743.762880.492928.213088.373113.93預(yù)測(cè)值2728.0332760.1

32、672792.3012824.4342856.568日期2009-7-17 2009-7-24 2009-7-31 2009-8-7 2009-8-14 實(shí)際值3189.743372.63412.063260.693046.97預(yù)測(cè)值2888.7022920.8362952.9692985.1033017.237用EXCEL對(duì)2009年4月至8月各周上證指數(shù)真實(shí)值和預(yù)測(cè)值做圖如下：圖5.7 2009.4至8月各周上證指數(shù)真實(shí)值和預(yù)測(cè)值比較圖 從上圖可看出，二次指數(shù)平滑法的預(yù)測(cè)值與實(shí)際值的誤差比較小，擬合效果較之時(shí)間序列有所提高，但可以明顯看出對(duì)于最后幾周的預(yù)測(cè)不是特別準(zhǔn)確。6.3.5 準(zhǔn)確度分

33、析依據(jù)以上模型求解的結(jié)果，知道2009年4月至8月各周上證指數(shù)的真實(shí)值和預(yù)測(cè)值。為了更好地驗(yàn)證預(yù)測(cè)值的準(zhǔn)確性，我們對(duì)預(yù)測(cè)值的準(zhǔn)確度進(jìn)行檢驗(yàn)。準(zhǔn)確度是指預(yù)測(cè)結(jié)果與實(shí)際狀況相符合的程度，與誤差大小呈反向性，因而可由誤差指標(biāo)反映。時(shí)間序列預(yù)測(cè)中常用的誤差指標(biāo)有：預(yù)測(cè)誤差，預(yù)測(cè)相對(duì)誤差，均方根誤差，平均絕對(duì)百分誤差。在此，我們采用平均絕對(duì)百分誤差，即n個(gè)預(yù)測(cè)相對(duì)誤差絕對(duì)值的平均數(shù)。以MAPE表示： （1.8）通過(guò)計(jì)算，得到2009年4月至8月的實(shí)際值與預(yù)測(cè)值的相對(duì)誤差表，如下：表6.5 2009年4月至8月的實(shí)際值與預(yù)測(cè)值的相對(duì)誤差表日期2009-5-8 2009-5-15 2009-5-22 200

34、9-5-27 2009-6-5 實(shí)際值2625.652645.262597.62632.932753.89預(yù)測(cè)值2567.3642599.4982631.6322663.7662695.899相對(duì)誤差0.032460.0.0.042430.01031日期2009-6-12 2009-6-19 2009-6-26 2009-7-3 2009-7-10 實(shí)際值2743.762880.492928.213088.373113.93預(yù)測(cè)值2728.0332760.1672792.3012824.4342856.568相對(duì)誤差0.0.006250.0.0.日期2009-7-17 2009-7-24 20

35、09-7-31 2009-8-7 2009-8-14 實(shí)際值3189.743372.63412.063260.693046.97預(yù)測(cè)值2888.7022920.8362952.9692985.1033017.237相對(duì)誤差0.0.0.0.0.根據(jù)表6.5的數(shù)據(jù)，同樣可以明顯的看出，該模型對(duì)于股指后期的預(yù)測(cè)有較大的偏差，由式1.8我們得到平均絕對(duì)百分誤差MAPE為5.08%，由此，我們可以認(rèn)為該模型的預(yù)測(cè)效果還未能達(dá)到一定的準(zhǔn)確度，仍需要改進(jìn)。6.3.6 模型評(píng)價(jià)該模型的優(yōu)點(diǎn)：依據(jù)2009年4月至8月各周上證指數(shù)的圖象趨勢(shì)，建立與之相應(yīng)的模型進(jìn)行預(yù)測(cè)，直觀明了，由預(yù)測(cè)值與2009年5月至8月的實(shí)

36、際值進(jìn)行比較，對(duì)于中前期的預(yù)測(cè)還是比較準(zhǔn)確。 該模型的不足之處：雖模型簡(jiǎn)單明了，但依據(jù)圖象趨勢(shì)選擇二次指數(shù)平滑模型，存在一定的主觀性，且未考慮到其他的因素對(duì)上證指數(shù)的影響，可以說(shuō)是理想狀態(tài)下的一個(gè)模型，對(duì)于中長(zhǎng)期的股指預(yù)測(cè)不具很強(qiáng)的適用性。為了得到更為準(zhǔn)確的預(yù)測(cè)值，我們建立模型灰色馬爾科夫預(yù)測(cè)模型進(jìn)行股指的預(yù)測(cè)。6.4 模型-灰色馬爾科夫預(yù)測(cè)模型6.4.1 模型提出灰色馬爾科夫預(yù)測(cè)是利用GM（1，1）模型進(jìn)行趨勢(shì)化的基礎(chǔ)上根據(jù)馬爾科夫預(yù)測(cè)法對(duì)股市作為預(yù)測(cè)分析。馬爾科夫預(yù)測(cè)法的關(guān)鍵是狀態(tài)樹(shù)木的確定和狀態(tài)的具體劃分形成，以及預(yù)測(cè)步數(shù)的確定。從預(yù)測(cè)目的出發(fā)，同時(shí)考慮決策者的需求來(lái)劃分狀態(tài)，上證指數(shù)環(huán)

37、比值的變化過(guò)程是一個(gè)隨機(jī)的呈上升或先將趨勢(shì)的非平穩(wěn)隨機(jī)過(guò)程，不同日期狀態(tài)的邊界和內(nèi)涵應(yīng)是變化的。因此應(yīng)考慮一個(gè)具有適應(yīng)性的狀態(tài)劃準(zhǔn)則，這個(gè)準(zhǔn)則應(yīng)與股價(jià)的基本變化趨勢(shì)一致，所以可以用兩種方法劃分狀態(tài)，第一種是用收盤(pán)上證綜指環(huán)比值與其灰色模擬值（趨勢(shì)值）之比得出相對(duì)值，以相對(duì)值為準(zhǔn)利用常數(shù)劃分法劃分狀態(tài)；第二種是在灰色預(yù)測(cè)得宏觀變化趨勢(shì)基礎(chǔ)上進(jìn)行馬爾科夫預(yù)測(cè)，可以灰色預(yù)測(cè)曲線為中心，將原始環(huán)比值劃分區(qū)域 。6.4.2 GM（1，1）模型建立用樣本數(shù)據(jù)計(jì)算每日變化系那個(gè)對(duì)數(shù)（即今天與昨天實(shí)際值的比值）稱(chēng)為環(huán)比，令環(huán)比數(shù)據(jù)序列為：，做累加，得(1) .對(duì)做緊鄰均值生成 (2) .確定數(shù)據(jù)矩陣，： ，(

38、3).用最小二乘估計(jì)計(jì)算一節(jié)線性微分方程的待估參數(shù)a和u利用Matlab編程求得：預(yù)測(cè)模型為 （1.9）從結(jié)果看來(lái)，股市呈下降的趨勢(shì)。6.4.3灰色-馬爾科夫預(yù)測(cè)6.4.3.1以灰色預(yù)測(cè)曲線為中心，將原始環(huán)比值劃分區(qū)域(1) .預(yù)測(cè)對(duì)象狀態(tài)劃分 狀態(tài)劃分以灰色預(yù)測(cè)曲線為基準(zhǔn)，把原始環(huán)比值換分成與曲線平行的若干條區(qū)域，每一條區(qū)域構(gòu)成一個(gè)狀態(tài)。對(duì)于一個(gè)符合馬爾科夫鏈特點(diǎn)的非平穩(wěn)的隨機(jī)序列，其狀態(tài)表示為，由于是一個(gè)時(shí)間函數(shù)，因而灰元也隨時(shí)間的變化，即狀態(tài)具有動(dòng)態(tài)性。原始環(huán)比值的取值區(qū)間為，根據(jù)環(huán)比值的分布情況，將該區(qū)間按下列方法進(jìn)行狀態(tài)劃分：狀態(tài)1：，狀態(tài)2：，狀態(tài)3：，狀態(tài)4：，狀態(tài)5：，狀態(tài)6：

39、。由于原始環(huán)比數(shù)據(jù)序列中，最后一個(gè)狀態(tài)為1，未來(lái)狀態(tài)未定，刪掉最后一個(gè)數(shù)據(jù)得到狀態(tài)轉(zhuǎn)移數(shù)表（落入第4個(gè)狀態(tài)的樣本點(diǎn)數(shù)為4，樣本總數(shù)為29個(gè)）(2) .構(gòu)造狀態(tài)的轉(zhuǎn)移概率矩陣 從狀態(tài)p到q的轉(zhuǎn)移概率為，得到轉(zhuǎn)移矩陣 (3).預(yù)測(cè)狀態(tài)轉(zhuǎn)向狀態(tài)轉(zhuǎn)移概率矩陣P反映系統(tǒng)各狀態(tài)之間的轉(zhuǎn)移規(guī)律，通過(guò)觀察P預(yù)測(cè)未來(lái)的狀態(tài)轉(zhuǎn)向。確定轉(zhuǎn)移概率矩陣和初始狀態(tài)后，馬爾科夫鏈就可以確定。根據(jù)以上轉(zhuǎn)移概率矩陣，計(jì)算出下一期的預(yù)測(cè)值。用新的預(yù)測(cè)值加入到序列當(dāng)中，去掉最老的信息，反復(fù)進(jìn)行下去，預(yù)測(cè)以后更多的值。6.4.4 模型求解用MATLAB7.0.1編程（見(jiàn)附錄程序四）求解得：表6.6 2009年4月至8月上證指數(shù)各周的

40、實(shí)際值與預(yù)測(cè)值時(shí)間2009-5-82009-5-152009-5-222009-5-272009-6-5真實(shí)值2625.652645.262597.62632.932753.89預(yù)測(cè)值2570.352715.972596.62622.692708.32相對(duì)誤差-0.02106 0.02673 -0.00038 -0.00389 -0.01655 時(shí)間2009-6-122009-6-192009-6-262009-7-32009-7-10真實(shí)值2743.762880.492928.213088.373113.93預(yù)測(cè)值2682.732819.012929.83023.853097.63相對(duì)誤差-

41、0.02224 -0.02134 0.00054 -0.02089 -0.00523 時(shí)間2009-7-172009-7-242009-7-312009-8-72009-8-14真實(shí)值3189.743372.63412.063260.693046.97預(yù)測(cè)值3165.473203.063409.493312.293170.36相對(duì)誤差-0.00761 -0.05027 -0.00075 0.01582 0.04050 用EXCEL對(duì)2009年4月至8月各周上證指數(shù)真實(shí)值和預(yù)測(cè)值做圖如下： 圖5.8-灰色馬爾科夫預(yù)測(cè)至于真實(shí)值比較圖6.4.5 準(zhǔn)確度分析依據(jù)以上模型求解的結(jié)果，知道2009年4月

42、至8月各周上證指數(shù)的真實(shí)值和預(yù)測(cè)值。為了更好地驗(yàn)證預(yù)測(cè)值的準(zhǔn)確性，我們對(duì)預(yù)測(cè)值的準(zhǔn)確度進(jìn)行檢驗(yàn)。同前面二次指數(shù)平滑模型一樣，我們采用平均絕對(duì)百分誤差，即n個(gè)預(yù)測(cè)相對(duì)誤差絕對(duì)值的平均數(shù)。以MAPE表示： 通過(guò)計(jì)算，得到2009年4月至8月的實(shí)際值與預(yù)測(cè)值的相對(duì)誤差表，如下：表6.7 2009年4月至8月的實(shí)際值與預(yù)測(cè)值的相對(duì)誤差表日期2009-5-8 2009-5-15 2009-5-22 2009-5-27 2009-6-5 實(shí)際值2625.652645.262597.62632.932753.89預(yù)測(cè)值2570.352715.972596.62622.692708.32相對(duì)誤差0.0.026

43、730.0.0.日期2009-6-12 2009-6-19 2009-6-26 2009-7-3 2009-7-10 實(shí)際值2743.762880.492928.213088.373113.93預(yù)測(cè)值2682.732819.012929.83023.853097.63相對(duì)誤差0.0.0.000540.0.日期2009-7-17 2009-7-24 2009-7-31 2009-8-7 2009-8-14 實(shí)際值3189.743372.63412.063260.693046.97預(yù)測(cè)值3165.473203.063409.493312.293170.36相對(duì)誤差0.0.050270.0.0158

44、20.0405根據(jù)上表的數(shù)據(jù)，同樣可以明顯的看出，該模型總體預(yù)測(cè)值較為準(zhǔn)確，但對(duì)于股指后期的預(yù)測(cè)較前期預(yù)測(cè)略有偏差，主要由于股指后期突變較為明顯。由式1.8我們得到平均絕對(duì)百分誤差MAPE為1.69%，由此，我們可以認(rèn)為該模型的預(yù)測(cè)效果達(dá)到了一定的準(zhǔn)確度。7 問(wèn)題四 股市泡沫7.1問(wèn)題分析7.1.1 股價(jià)泡沫的定義對(duì)于泡沫經(jīng)濟(jì)的確切定義，理論界目前還沒(méi)有統(tǒng)一的說(shuō)法。早在重商主義時(shí)代，當(dāng)1720年英國(guó)的南海公司和法國(guó)的密西西比公司金融詐騙事件發(fā)生后，就出現(xiàn)了“南海泡沫”和“密西西比泡沫”的詞匯。從一般意義來(lái)說(shuō)，泡沫經(jīng)濟(jì)是指在不切實(shí)際的高盈利預(yù)期和投資狂熱驅(qū)動(dòng)下，股票等虛擬資本過(guò)度膨脹，并成為人們

45、投機(jī)的主要對(duì)象時(shí)，現(xiàn)行價(jià)格與實(shí)際價(jià)值嚴(yán)重背離，金融資產(chǎn)與物質(zhì)財(cái)富生產(chǎn)完全脫節(jié)，從而出現(xiàn)的一種自我繁殖的虛假繁榮現(xiàn)象或虛擬經(jīng)濟(jì)超常超常發(fā)展?fàn)顟B(tài)，如股價(jià)的急劇上升不能以企業(yè)效益的提高和基礎(chǔ)環(huán)境的改善來(lái)解釋等等。在泡沫經(jīng)濟(jì)環(huán)境下，企業(yè)有可能將通過(guò)正當(dāng)融資渠道所獲得的資金用于本行業(yè)以外的資產(chǎn)活動(dòng)，造成虛假融投資和過(guò)度融投資，從而進(jìn)一步助長(zhǎng)股票等虛擬資產(chǎn)價(jià)格無(wú)基礎(chǔ)上升，使泡沫越聚越多，風(fēng)險(xiǎn)越來(lái)越大。但是泡沫不能永遠(yuǎn)持續(xù)下去，它總有一天要破裂，當(dāng)泡沫破滅時(shí)，資產(chǎn)價(jià)格迅速回落，資產(chǎn)價(jià)格甚至低于其實(shí)際價(jià)值。 泡沫是指一種資產(chǎn)價(jià)格在一個(gè)連續(xù)的過(guò)程中陡然漲價(jià)，這種價(jià)格上升又會(huì)使人們產(chǎn)生還要漲價(jià)的預(yù)期，于是吸引新的

46、投機(jī)買(mǎi)主，使價(jià)格不斷上升直到逆轉(zhuǎn)，價(jià)格又暴跌的過(guò)程。據(jù)此，股價(jià)泡沫可定義為股票價(jià)格嚴(yán)重背離其內(nèi)在價(jià)值暴漲，然后再暴跌的過(guò)程。7.1.2 衡量泡沫的指標(biāo)7.1.2.1 股票價(jià)格指數(shù)的增長(zhǎng)股票價(jià)格指數(shù)是對(duì)股市動(dòng)態(tài)的綜合反映。股市泡沫膨脹的一個(gè)顯著標(biāo)志是股價(jià)指數(shù)幾年內(nèi)大幅上升。2005年6月，上證綜指破1000點(diǎn)，2006年1月從1200點(diǎn)啟動(dòng)，截止2007年10月16日，股市沖高6124點(diǎn)后，這一輪行情的上漲應(yīng)該算是歷史上最為猛烈的。但快速上漲之后又拉開(kāi)了快速下跌的大幕，滬深股市頻繁出現(xiàn)大幅下跌，2008年10月28日跌至1664點(diǎn)，通過(guò)搜集有關(guān)資料，我們得到上證指數(shù)收盤(pán)價(jià)數(shù)據(jù)整理如下圖： 圖5.

47、92005.6-2009.8上證指數(shù)月收盤(pán)價(jià)變化折線圖 由上圖可以看出，上證在2005年12月份以后股票收盤(pán)價(jià)開(kāi)始有上升趨勢(shì)，期間雖有短時(shí)間內(nèi)下跌，但截止到2007年10月份左右，股市達(dá)到巔峰最高點(diǎn)。這種股票價(jià)值指數(shù)大幅攀升的現(xiàn)象，讓無(wú)數(shù)股民開(kāi)始關(guān)注上市公司以及政府政策的社會(huì)性問(wèn)題對(duì)股市的影響。因?yàn)樵诠善眱r(jià)格指數(shù)大幅攀升的同時(shí), 上市公司業(yè)績(jī)?cè)龇淮? 甚至出現(xiàn)一定幅度的下滑, 二者背道而馳, 這意味著證券市場(chǎng)呈現(xiàn)出典型的泡沫特征。7.1.2.2 市盈率及其變動(dòng)速度 市盈率即一段時(shí)間內(nèi)股票價(jià)格與每股收益之比，是評(píng)判股票價(jià)格是否合理的一個(gè)重要參數(shù)。股票市的平均市盈率作為一個(gè)比較宏觀的技術(shù)指標(biāo)，從

48、整體上指示了上市公司的估值水平和增長(zhǎng)潛力，對(duì)于評(píng)價(jià)上海市股市是否存在過(guò)高風(fēng)險(xiǎn)或估值不足具有重要意義。通過(guò)查找相關(guān)資料，我們得到上海月平均市盈率的變化趨勢(shì)圖： 圖6.0上證2005.1-2009.7月平均市盈率圖市盈率變動(dòng)速度也應(yīng)是衡量股市泡沫的重要參考指標(biāo), 它是一個(gè)動(dòng)態(tài)指標(biāo), 因而更具有說(shuō)服力。市盈率變動(dòng)速度過(guò)快,說(shuō)明證券市場(chǎng)的發(fā)展極不穩(wěn)定, 隨之相伴是經(jīng)濟(jì)泡沫的膨脹與萎縮, 最終會(huì)影響經(jīng)濟(jì)的穩(wěn)定增長(zhǎng), 導(dǎo)致經(jīng)濟(jì)發(fā)展起伏不定、大起大落。平均市盈率太高, 遠(yuǎn)遠(yuǎn)超過(guò)正常水平, 經(jīng)濟(jì)泡沫遲早要破裂, 而且極易引發(fā)市場(chǎng)的震蕩和崩潰。 7.1.2.3 經(jīng)濟(jì)增長(zhǎng)（GDP） 經(jīng)濟(jì)增長(zhǎng)主要通過(guò)對(duì)市盈率的的影

49、響進(jìn)而引起整個(gè)股市的波動(dòng)，經(jīng)濟(jì)增長(zhǎng)對(duì)于股市市盈率整體水平影響的重要性在于其直接左右著投資者的心理預(yù)期。都市的運(yùn)行情況常常與一個(gè)國(guó)家一個(gè)地區(qū)的經(jīng)濟(jì)密切相關(guān)。GDP的增長(zhǎng)很大程度上影響著資金的流向和投資者心理。我們從上海統(tǒng)計(jì)局得到如下GDP數(shù)據(jù)，并整理如下：表 6.8 上海市歷年GDP 指標(biāo)上海市歷年GDP指標(biāo)年份匯率折算GDP總量GDP人均值（元）GDP總量（億元）在全國(guó)的比重增幅()全國(guó)上海總額折合美元比重位次全國(guó)上海上?？傤~折合美元【%4】20058.19179,164.101,118.714.63710.411.114,05351,5296,29020067.973510,366.171,

50、300.084.49711.61216,16557,6957,23620077.521512,188.851,620.534.4271314.319,47466,3678,82420086.938513，698.151974.224.19799.722,64072,53610,454通過(guò)表6.8分析可知，上海人均值遠(yuǎn)超過(guò)同時(shí)期國(guó)內(nèi)GDP人均值，上海市的經(jīng)濟(jì)發(fā)展在一定程度上影響了整個(gè)上證股市的運(yùn)行、資金的流向和投資者心理。圖中上海市2007年GDP人均值為66367元，總值增幅達(dá)14.3%，在這種經(jīng)濟(jì)高增長(zhǎng)下，上市公司作為影響力最重要的公司群體，其整體業(yè)績(jī)也會(huì)呈現(xiàn)增長(zhǎng)態(tài)勢(shì)，從而提高刺激了投資者的信心，使他們對(duì)股市未來(lái)表現(xiàn)出樂(lè)觀預(yù)期。這時(shí)為了分享預(yù)期的股票高額收益，更多的場(chǎng)外資金流向股市，提高了股價(jià)。這種放大效應(yīng)，對(duì)于泡沫的產(chǎn)生有很大的后推作用7.1.2.4 宏觀經(jīng)濟(jì)走勢(shì)CPICPI即消費(fèi)者物價(jià)指數(shù)(Consumer Price Index)，是反映與居民生活有關(guān)的產(chǎn)品及勞務(wù)價(jià)格統(tǒng)計(jì)出來(lái)的物價(jià)變動(dòng)指標(biāo)，通常作為觀察通貨膨脹水平的重要指標(biāo)。如果消費(fèi)者物價(jià)指數(shù)升幅過(guò)大，表明通脹已經(jīng)成為經(jīng)濟(jì)不穩(wěn)定因素，央行會(huì)有