市场预测的特性范文第1篇

[关键词]盈余预测；　实证会计；资本市场；横截面数据

一、资本市场盈余预测实证会计概述

从财务会计发展历史来看，现代财务会计理论研究起始于20世纪以美国为主的西方国家，之后在全世界范围内蓬勃发展。其中可以将20世纪60年代看作是规范会计与实证会计的分界点，在此之前会计学者认为企业管理者受托责任的履行情况被认为是财务报告的主要目标。因此这一时期的会计研究大都探求最佳会计原则和会计实务有关，即会计原则和会计实务应该是什么样的，其使用的方法论基础主要是演绎主义。然而随着阿罗可能性定理的提出，会计界认为现实世界中最佳会计原则和会计实务不可能存在。在此情况下，决策有用观使得会计研究从对“真实收益”的探求转向了会计政策对利益相关者影响的检验上来，从而促进了会计的经验研究，逐渐形成了“实证会计”。

资本市场盈余预测研究最早可以追溯到BaIl和Brown(1968)对会计盈余与股票价格之间关系的开创性研究。资本市场中的实证会计涵盖了许多主题，诸如盈余反应系数、分析师预测的性质、基本面分析和估值、市场有效性检验等。会计盈余影响企业利益相关者之间的信息流动，契约签订、执行与监督，以及他们之间的财富分配。从“信息观”视角看，会计盈余有助于传递“经济收益”的信号，从而改变利益相关者的“信念”；从“计价观”视角看，会计盈余有助于准确地计量企业每一项资产、负债和权益并得到企业的“真实收益”，或有助于对资产(股价)定价；而从“契约观”视角看，会计盈余为企业这一契约结合体的各种契约的签订与执行提供基础性数据，并成为企业契约的重要组成部分，以降低契约成本。

二、盈余预测实证研究动机

实证会计关注盈余预测至少包括四个方面的动机：第一，几乎所有的估值模型都直接或间接地应用到盈余预测。现金流折现估值模型经常使用调整的盈余预测来代替未来现金流。分析方法类似的剩余收益估价模型对扣除“正常的”盈余的预测盈余进行折现(Ohlson，1997)。第二，将财务报表信息和证券收益联系起来的资本市场研究经常使用一个期望盈利模型来分析预期收益中的未预期盈余因素。在有效市场中，预期盈余和盈余宣告期间或研究期间的未来回报无关。任何减小对未预期盈余变量估计的预期盈余都作为噪音或者计量误差，并且减弱估计的回报与盈余之间的相关性，从而回报与盈余之间的相关性很大程度上依赖于研究者所使用的非预期盈余变量的准确性，进而产生了对盈余的时间序列特征或分析师预测的需求(Watts，1986)。第三，有效市场假说在实证和理论上越来越多地受到质疑。基于实证会计的资本市场研究产生了与资本市场有效性明显不一致的证据。这类研究的一个普遍特性是证明股票回报率是可以预测的。并且其可预测性与盈余的时间序列特征或者分析师预测特征有关，从而产生了对于盈余的时间序列特征或分析师预测的需求。第四。实证会计理论研究假设有效的或者机会性的盈余管理试图解释管理者的会计程序选择。这类研究经常需要使用盈余的时间序列模型来计算“正常的”盈余。例如，检验盈余平滑假设需要检验平滑前和平滑后的盈余时间序列特征。此外，一般也认为上市公司管理层和分析师的预测是资本市场的一个信息来源，盈利预测信息会影响信息环境，并且会作用于股票价格均衡和波动性。

三、盈利预测的时间序列特征

(一)年度盈余的随机游走

很多证据表明。随机游走或带漂移的随机游走是年度盈余特征的合理描述。BalI and Watts(1972)第一次对该问题进行了系统性研究，他们的结果表明年度盈余随机游走的时间序列特征是成立的。接下来的研究通过检验随机游走模型相对于Box-Jenkins模型的预测能力进一步证实了他们的结论(Alb recht，1977)。年度盈余的随机游走特征让人疑惑。与股票价格的随机游走特征是对有效资本市场假说预测不同的是，经济理论并不能预测盈余的随机游走特征。会计盈余并不像股票价格那样是期望现金流的资本化。因此假设年度盈余服从随机游走是没有经济理论基础的(Watts，1986)。

(二)年度盈余的均值反转

从B rooks(1976)开始，一些研究为年度盈余的均值反转提供了证据。但是将样本内估计的时间序列参数作为均值反转证据并不是那么简单。虽然有均值反转的证据，但其预测能力并不一定比参照样本估计的随机游走模型好很多(Fama，1972)。预期盈余的均值反转有几个经济和统计上的原因。第一，产品市场的竞争性意味着超过正常水平的盈利不能持续很久(Fama，2000)。第二，会计稳健性和诉讼风险促使管理层更容易确认坏消息。因此，上市公司经常确认预计亏损。对亏损的确认使得亏损持续性比盈利更差，从而在盈余中引入了负的一阶自相关(Basu，1997)。第三，如果预期不能恢复盈利，那么发生亏损的公司有选择清算的权利(Collins，1999)。这意味着生存下来的公司差的绩效预期会反转。因此，清算权利和生存偏差都意味着盈余的时间序列会出现反转。最后，暂时性特殊项目和亏损的影响范围越来越大，这意味着盈余变化是可以预测的。暂时性项目的增加，部分原因可能是由于会计准则规定对某些资产和负债以市值计价。转贴于

(三)季度盈余的自回归综合移动平均

对季度盈余的时间序列日益重视的原因至少有三个方面。第一，很多行业的季度盈余具有季节性，因为上市公司本身的主营业务具有季节性特征。第二，季度盈余在时间上更加及时，所以用季度盈余预测作为市场的期望比陈旧的年度盈余预测似乎更加准确。第三，季度盈余的观测数是年度盈余观测数的四倍。从集合过程中信息损失的角度来看，季度盈余时间序列有可能产生比基于年度盈余预测更精确的年度盈余预测(Hopwood，1982)。也就是说，为达到同等程度精确的预测，对季度盈余数据可得性的要求比年度盈余数据低。这使得研究者可以减少生存误差，使用更大的样本公司。对季度盈余具有很好描述性的Box-Jenkins自回归综合移动平均模型已经得到了充分的发展。对模型进行比较研究发现。Brown and Rozeff(1979)模型至少在进行短期预测时优于其他模型。目前，对季度盈余时间序列模型的使用主要集中在盈余宣告后漂移的市场有效性上。

四、管理层与分析师预测

实证会计中，管理层预测有很多形式，包括盈利预警、业绩预报以及管理层盈利预测。盈利预警和业绩预报在盈余公布之前，主要传达坏消息。管理层盈余预测一般紧跟盈余公告，但是并不一定向市场传达坏消息。因为管理层预测是自愿的，所以预测是有经济动机的。这些动机主要包括：一是诉讼威胁影响管理层自愿性预测和预测坏消息的决定(Kaszink，1995)。二是管理层关注信息披露私有成本的效果。这些私有成本取决于管理层预测的本质(Bamber。1998)。三是管理层预测的时机与公司股票内部交易。早期对管理层预测进行的研究发现管理层预测具有信息含量。具体来说，管理层预测与回报变动性增加显著相关(Waymire，1984)。对管理层自愿预测的一个假设是，通过管理层预测，使投资者的期望与管理层拥有的优势信息一致。这个期望调整假设意味着管理层预测优于预测时市场对盈余的期望。虽然早期和近期的研究得出的结论有些差异，总体仍然表明管理层预测具有信息含量，并且信息含量与管理层预测质量决定因素的数量呈正相关关系。

与管理层盈余预测相比，分析师预测的理论和实证文献较多。分析师预测的研究大致可以分为两类。第一类检验一致的分析师预测特征。一致的预测指分析师对单个公司预测的平均值或中位数。这类研究中的一个例子是“分析师预测是否过度乐观?”。第二类研究集中于单个分析师预测的横截面或跨时期的特征。进行这类问题研究的文章有“什么是单个分析师预测的决定因素?”和“分析师技巧是否影响其预测的准确性”等。按照Watts(2007)的总结，分析师预测主要涉及到分析师预测与时间序列预测的比较，分析师预测的乐观性，分析师预测的估计误差，分析师预测偏差的相应证据，长窗口预测偏差，预测偏差的经济决定因素，个人分析师预测的特征，不同的预测准确性及其决定因素，分析师预测的有效性，不同类型分析师预测准确性的差别等项目。

五、盈利预测主要方法

(一)横截面估计

Fama(2000)在盈余预测中引入横截面估计，以揭示盈余的时间序列特征。他们认为时间序列估计没有解释力，因为大部分公司年度盈余的时间序列观测数只有几个。另外，使用长时间序列容易产生生存误差，从而意味着在正的变化后有正的盈余变化的观测比期望的多。这抵销了原本盈余变化负的时间序列相关性。生存误差与低的解释力对时间序列估计的影响支持年度盈余的随机游走结论。在横截面估计中，年度盈余对其上一期的观测值进行回归，对每一年的观测都进行一次估计，再以横截面回归年度参数估计的时间序列为基础得出推论。

(二)条件横截面预测

条件预测是使用盈余自相关系数的一个或多个决定因素得到的。例如，Brooks(1976)着重关注盈余变化的极端值，Basu(1997)检验了负的盈余变化，并确认了行业进入壁垒、公司规模、产品类型和公司的资本密集度等经济决定因素。有的学者在价格比过去的盈余时间序列具有更丰富的信息含量的假定下。以价格为基础的预测被用来改善时间序列预测(Beaver，1980)。尽管价格反映了比过去盈余的时间序列更丰富的信息，但是研究发现很难使用公司层面的价格信息作出经济学意义上的显著改善。因此这类研究对盈利预测的影响很小。价格在改善盈余预测或市场期望上的优势主要体现在长周期情况下，这恰恰因为价格可以预测未来几个时期的盈余信息。

市场预测的特性范文第2篇

关键词：证券分析师；羊群行为；羊群预测；冒险预测；研究

中图分类号：F832.5 文献标识码：A 文章编号：1003-9031(2008)02-0049-04

一、引言

羊群行为作为一种心理现象，早在20世纪30年代就由经济学家凯恩斯提出，并由Shirif(1935)和Asch(1952)对其从社会心理学的角度用实证证实，指的是个人的观念与心理在社会群体的引导或压力下发生改变，从而放弃自身原有的主见而向着与大多数人一致的方向变化的趋势。[1]

在20世纪80年代以前，只有少数理论研究人员在不同领域的研究中真正将羊群或从众心理、社会压力与传染等问题结合进来，而目前对羊群行为的研究已经受到了越来越多的重视，并对众多的研究领域产生了深远的影响。如在证券市场中可用来解释证券市场的异常波动与市场泡沫的形成机制，在其他存在群体行为的环境中羊群行为也极具应用价值，如厂商销售产品、组织进行的小组决策、地区招商引资、银行挤兑、人才积聚等等。[2]

证券分析师是证券市场上的重要组成部分，主要由分布在各个专业金融机构的“行业分析师”、“公司分析师”、“策略分析师”等组成，他们在执业过程中的羊群行为是否存在以及程度如何对证券市场的效率将产生重要的影响。目前国内对这一领域的研究还相当匮乏，本文以证券分析师为研究对象，从社会群体心理的角度出发对证券分析师在预测中的羊群行为和非羊群(大胆冒尖)行为进行了分析，提出了其量化的方法以及与分析师个性特征有关的回归模型。

二、国内外研究现状

证券分析师群体作为证券市场的一个组成部分，与投资者群体之间相互联系紧密，但又存在较大的不同。Hong、Kubik和Solomon认为最明显的区别在于分析师之间羊群行为的主要动因是基于对自身从业声誉和长期执业生涯的考虑，因此更倾向于和其他分析师保持一致，羊群行为程度应该较投资者更强。

Welch研究了证券分析师的羊群行为，发现分析师对大众认可(ordinary consensus)的股票的推荐倾向为0.13，对以经纪人能力为权重确定的股票(broker-quality weighted)的推荐倾向为0.1，对以时间为权数确定的股票的推荐倾向为0.13。这说明证券分析师有一种潜在的想和大众保持一致的心理倾向。

相比起经验不够丰富的分析师，有经验的分析师往往更倾向于提供冒险的预测而且更不容易被解雇(Hong，Kubik and Solomon， 2000)，至于预测的冒险性和分析师的其他特性之间的关系则还有待进一步研究。[3]有理论推断，对自身职业的关注和分析师的自我评价能力决定了预测的冒险性，因此，Michael B・Clement和Senyo Y・Tse将研究重点放在了检验羊群行为与分析师特点而不是分析师的有经验程度之间的关系上。Clement在先前的研究中证实了投资者往往认为冒险的预测比起随大流的羊群预测具有更高的精确性，因为敢于冒尖的预测由于结合了更多的独家的分析和判断，其真正价值比起羊群性质的分析更有价值。对这一点在以往的研究中还缺乏深入的实证分析，一般只是检验冒险的预测和羊群的预测的预测精确性之间的区别，并检验是否冒险的预测究竟是否真正比羊群预测更反映了分析师的私人信息。对此，Michael B・Clement和Senyo Y・Tse运用来自I/B/E/S的1989-1998年年度证券分析师预测数据，将分析师当前预测与先前预测的差值、与修订值之间的差值等设置为变量进行了冒险性预测的截面分析，得出预测精确性的有关结论。最终证明，这一类预测往往比羊群性质的预测准确性更高，而且如果在预测中出现错误，羊群性质的预测比起冒尖的预测有更强烈的自我修订倾向。

中国证券市场中的证券分析师群体十分特殊，从狭义理解一般指仅从事二级市场分析的“股评家”，他们背靠着某证券公司或某咨询机构，而服务于广大个人投资者。我国个人投资者是市场中的多数方，但却属于信息弱势群体，相当一部分个人投资者把股评家的看法作为主要的信息来源。因此，股评家的作用尤其重要，对股评家的行为研究是深入了解市场运作规律不可或缺的部分。目前国内对股评家的行为研究几乎是一片空白，只有少数学者对此进行了研究。

宋军、吴冲锋(2003)研究了中国股评家的羊群行为， 建立了中国股评家大盘预测的羊群行为的检验模型，分别研究股评家羊群行为的存在性、影响羊群行为的因素和羊群行为的理性特征。[4]主要结论为：股评家对舆论有明显的羊群行为；当历史收益率增加、市场乐观情绪高涨、股评家预测的一致程度增加、股评家的能力降低、股评家的初始声誉增大时，股评家参与羊群行为的动机增加。股评家羊群行为的理性研究指出，当舆论被事后的收益率证明为错误时，羊群行为反而增加，因此股评家的羊群行为很可能是一种非理。

此外，宋军、吴冲锋以2000年在《中国证券报》上发表的股评家的预测文章为样本，建立了3组回归方程来研究股评家对于大盘预测的准确性及影响预测的影响因素。[5]研究结果发现，股评家的短期预测平均而言是一个未来大盘收益率的一个反向指标。宏观的经济面信息、前一天的公众舆论和前3天的大盘平均收益率对于股评家的预测都有显著影响，其中以公众舆论的影响作用最大。在这些因素中，宏观的经济面信息有助于提高股评家预测的准确性，而其他因素则降低了股评家预测的准确性。

由复旦大学鲁直博士领导的课题小组在羊群行为的成因方面曾经做了深入的研究。[6]鲁直博士作为主持人负责国家自然科学基金青年项目“中国证券投资者追风行为的实证与对策研究”，并与阎海峰、施欢欢等课题小组成员通过运用有较高信度和效度的问卷对上海证券市场上的实际投资者(机构和个体)进行了调查，研究得出对我国证券投资者的羊群行为具有最大影响的因素是：个性特征因素、信息不对称因素、舆论与政策因素、信息处理能力因素、心态与求利因素、投资市场主力因素六大因素。经过差异检验发现投资者在年龄、性别、入市时间、职业、投资身份、教育背景等人口统计特征方面的差异都会影响其在各主因素得分的高低；并进一步通过多重比较检验结果显示，投资者的羊群行为程度在因素“信息处理能力”上的差异显著。

三、羊群行为与证券分析师个性特征的关系

证券分析师的主流是“公司与行业分析师”，我国目前证券公司、基金管理公司和其他机构投资者中的主要研究员都属于这个类型。因此，与宋军、吴冲锋将“股评家”作为研究对象不同，笔者主要将“公司与行业分析师”作为研究对象。从证券分析师的执业特性和目前的竞争格局来看，存在着产生羊群行为的合适环境，但究竟羊群行为以及“非羊群”的敢于冒险的预测这两种心理行为如何量化，又与什么因素有关呢?对此笔者认为，一方面与证券分析师的个性有关，另一方面与证券分析师的本身特征有关。由于证券分析师是一个比较独立的群体，其本身是证券市场上重要的信息加工者，其个性特征因素对研究预测结果将产生重要影响，因此在研究证券分析师的羊群行为时，可以通过回归模型找出一些统计显著的个性特征因素来研究其对分析师预测行为的影响。

在数据收集方面，公司与行业分析师需要对自身所关注的公司及时地发表盈利预测，并随着时间的推移进行修正(Revision)，因此在一段时间内要发表一系列的研究预测报告。这些报告对上市公司的赢利预测值与最终公布的年报、季报、半年报的实际值将会有一定的差值，将这些差值进行归类和量化，可以形成进一步研究的原始数据库。同时，分析师的个性特征因素如执业年限、所跟踪股票数量多少等变量也可以量化。

基于上述分析，可以设计出相应的回归模型对羊群(从众)或敢于冒险(bold)这两种倾向与上述的证券分析师特性之间的关系进行研究。

1.预测精度

首先将分析师当前预测与先前预测的差值、与修订值之间的差值等设置为变量：

式(3)对与冒险性预测有关的证券分析师个性因素进行了回归分析，其中：

Boldijt是一个指示变量，它衡量分析师i在t时期对j股票的预测的冒险程度，具体的取值原则是如果分析师i的预测高于先前所有对j股票的预测的均值，则取值为1，反之取值为0；

DEijt表示在t时期对j股票进行的最后一次预测距离目前的时间，说明了证券分析师预测的时效性；

FHijt表示预测日到年末的时间长短，一般来说这个时间越长则预测的不确定性就越大，因为分析师可获得的信息就越不足；

LAijt表示分析师i在t-1时期(一般指上一会计年度)对j股票的预测精度，其计算方法参照式(1)；

BSijt表示在t时期对j股票进行跟踪的证券分析师的规模，如目前中国证券市场上，一般对能源、电力、钢铁、交通类蓝筹股进行跟踪研究的“公司与行业分析师”人数较为庞大，而对农业、制造业进行跟踪研究的分析师则数量比较少；

FFijt表示分析师i在t时期对j股票的预测频率，一般在大的机构任职的分析师由于信息、研究平台较为先进，预测的频率也会比较高；

FEijt表示分析师对j股票的跟踪的时间长短，该项数值越大则表明分析师对这个公司或行业的研究经验也就越丰富，自信也越足，在进行预测时就越倾向于大胆和冒险；

GEijt表示分析师执业时间的长短，和FEijt类似，该项数值越大则一般其证券市场的从业经验也就越丰富，因此在进行预测时同样倾向于大胆和冒险；

Cijt表示证券分析师在t时期所跟踪的上市公司的数量的多少，如果这项数值越大，则通常可以推定其在j股票上可供分配的精力越少，羊群行为的倾向就越大；

Iijt表示证券分析师在t时期所跟踪的行业的数量的多少，其影响类似于Cijt。

还可以把分析师对收益预测的修订程度作为因变量，对式(3)中的自变量进行回归分析。可以推定，如果一个证券分析师对自己原来所作的上市公司收益预测进行修订的幅度越大，则说明这个分析师敢于“冒尖”(或“冒险”)的倾向越小，而希望与大家保持一致(即从众的羊群心理)的倾向也就越强。

4.羊群预测和冒险预测的精确程度

究竟是比较大胆冒险的预测还是羊群从众的预测准确性程度更高?如果大胆冒险的预测是基于丰富的从业经验和与他人不同的个人信息，那么这类预测就可以推定是可信程度较高和较准确的；但如果大胆冒险的预测是基于过度的自信，则其预测精度就会大大降低。对这个问题，可以将预测精度Accurcacyijt作为因变量，对Boldijt、YTD_Dist2ijt等进行回归分析，以观察相互之间的关系和并做统计显著性检验。

最后，可以作进一步的引申研究：我们面临着两种关系，一种是预测的错误与预测修订之间的关系，另一种是羊群的预测与冒险的预测之间的关系，这两种关系是否有很大的区别呢?Trueman(1994)认为，预测的错误与预测修订之间存在着明显的关联，而羊群的预测与冒险的预测之间则关系不大。

对此，相应的检验模型是：

在式(6)中，ERRPijt表示分析师i在t时期对j股票的预测偏离程度；ERVPijt则表示分析师i在t时期对j股票的预测的修订程度。

四、对证券分析师在预测过程中羊群行为的思考

中国证券市场重视上市公司基本面的发掘是2003年“价值投资”理念代替了以往的“庄股”运作模式后发展起来的，因此中国的“证券分析师”队伍还比较稚嫩，无论从可考察的样本数量或样本采集的时间段来说都相对缺乏，因此可以说还缺乏对其进行长期研究考察的基础。

从国外的研究文献中来看，对证券分析师在预测中的羊群行为基本上得出了大体相似的结论，即：羊群行为普遍存在于缺乏有效信息和非资深的分析师之间；而冒险的预测往往比羊群性质的预测由于结合了更多私人信息，其准确性要更高，而且如果在预测中出现错误，羊群性质的预测比起冒险的预测有更强烈的自我修订倾向；相比起经验不够丰富的分析师，有经验的分析师往往更倾向于提供冒险的预测而且更不容易被解雇。因此，在国内的证券分析师群体中是否也存在这些类似的现象还是有与国外不同的特点，以及证券分析师的羊群或冒险的预测对证券市场信息传递效率的作用和市场有效性程度的提高究竟起到什么作用?这些我们真正感兴趣的结论对证券市场监管和提高效率有着重要的意义。

国内的证券分析师群体中也存在类似的现象。笔者认为，证券分析师的“个性特征差异”导致其“信息处理能力”存在较大的不同，因此本文将证券分析师“个性特征”进一步进行细分并提出与不同性质的预测的回归模型，可以说是对鲁直博士的研究进行了有益的延伸和探索。国内尚没有公开的文献对证券分析师在预测中的羊群行为提出系统的检验思路和模型，对这方面的理论探讨还非常缺乏。因此，本文在国外有关文献的基础上，提出了系统的检验证券分析师羊群行为或冒险的预测与一些个性特征因素之间的回归模型。但是也要看到，由于客观条件的限制，笔者在尝试进行实证分析时，尽管可以对模型中的被解释变量(如预测的精度、对先前预测的修订程度等)通过选择合适的证券分析师研究报告样本来计算出来，但是对一些个性特征因素如从业年限、所跟踪的行业与公司数量则因为商业机密等原因而难以准确获得，这也将是下一步的研究方向所在。

参考文献：

[1] Keynes，J.M.(1936)，The General Theory of Emploloyment，Interest and Money， London Macmillan.

[2] Shiller， R・J. (2000)， Irrational Exuberance， Princeton， NJ： Princeton University Press.

[3]Hong，Harrison，and Jeffrey D.Kubik，and Amit Solomon，Security analysts’ career concerns and herding of earnings forecasts，RAND Journal of Economics 31，121-144，2000.

[4] 宋军，吴冲锋，中国股评家的羊群行为研究[J].管理科学学报，2003，(1).

[5] 宋军，吴冲锋.中国股评家预测行为的实证研究[J].数理统计与管理，2003，(3).

市场预测的特性范文第3篇

【关键词】混沌理论 金融市场 投资决策

一、引言

在经济全球化、一体化的环境下，金融市场快速发展，其规模日渐扩大。金融投资的特点为风险与收益共存，为了保证自身投资的成效，广大投资者对金融市场展开了分析。本文主要从混沌理论视角出发，对中国股票、期货及黄金等市场展开了全方位的研究，旨在进一步提高投资决策的有效性。

二、混沌理论概况

在1970年后，非线性科学快速发展，经国内外学者共同努力，完善了其研究内容，具体包括孤立波、混沌及分形，其中最为重要的理论之一便是混沌理论。在现代科学技术支持下，特别是计算机技术，其为混沌学研究提供了可靠的保障。

混沌学的研究对象主要为动态系统，其在各个领域均有着普遍的运用，如：自然与社会科学等，通过与其他学科的交融与渗透，进一步促进了其发展。当前，各国学者均十分关注混沌时间序列预测，其模型分为两种，一种为动力学方法，另一种为相空间重构方法，前者以已知系统模式为前提条件，借助描述系统数学模型，经过简化与求解，从而保证了预测的有效性；后者借助实际观察数据，构建适合的空间模型，通过观察相点的轨迹运动，从而达到预测目标。现阶段，混沌时间序列预测方法分为全局法、局域法、人工神经网络法等[1]。

在经济学领域中对混沌理论的应用时间较长，可追溯到上个世纪80年代，美国学者最早提出了混沌现象，此后，有关学者在风险管理、股票市场、证券市场等方面均引入了混沌理论，但时至今日，关于混沌理论在经济领域中的应用仍存在较大争议，通过对既有理论分析可知，金融市场研究中对混沌理论的应用主要体现在混沌识别、常规预测等方面，缺少关于投资决策的研究报道[2]。因此，本文借助混沌理论研究金融市场投资决策是必要的。

三、基于混沌理论的中国金融市场投资决策研究

金融市场作为市场经济的重要构成部分，其重要性日益显著。虽然中国金融市场发展时间较短，但股票、期货及黄金市场经数十年发展均取得了显著的成绩。金融投资属于理财工具，为了规避投资风险，保证投资效益，国内外学者均十分关注中国金融市场投资决策的研究。如果市场有效，最优投资策略为投资与市场组合、采用消极管理，但有效市场假说缺少可行性，随之出现了分形市场假说，它认为投资者行为与两个因素有关，一种为金融市场信息接受度，另一种为投资时间尺度。金融市场作为复杂系统，其拥有混沌、分形等特性，因此，分析过程中可采用混沌、分形等理论。

（一）研究意义

中国金融市场是由股票、期货及黄金市场构成的，其面向大众，拥有固定的场所，可进行集中化交易，具体有上海证券交易所、上海期货交易所、上海黄金交易所、深圳证券交易所等。此作为新兴金融市场，发展迅速，影响力日渐增强。

本文选用混沌理论进行研究，具有积极的意义，在理论方面，研究中利用分形、混沌理论，对金融市场展开了非线性分析，从而推动了金融理论的发展；在现实方面，对于投资者而言，其投资成败的关键点便是投资策略，该策略涉诸多的内容，包括投资对象、规模及时机等，通过对合理投资策略的推广，利于培养投资者的理性思维，使其全面了解市场特性，以此保证其预测、决策的成效，同时也利于促进我国金融市场的稳定与健康发展，使其规避了金融风险，提高了管理效率与质量[3]。

（二）研究内容

1.混沌性检验。在应用混沌理论研究中国金融市场过程中，因确保其属于混沌系统，为了明确其是否拥有混沌系统的特性，可通过混沌识别，研究金融市场中的价格序列数据。通过调查可知，国内外学者经研究证实了股票市场具有混沌性，中国股票市场为弱混沌，但关于其他市场的研究相对较少。因此，研究过程中侧重期货、黄金市场，经检测，确定其具有混沌性，此后再借助非线性确定性混沌模型展开预测与分析，从而满足投资决策需求。

在中国股票市场方面，选用上海证券交易所与深圳证券交易所所提供的4000个数据为研究对象，其源于Bloomberg数据库，通过对数据处理、计算发现，二者日收盘价格序列呈现出了尖峰厚尾的特点，不属于正态分布。通过R/S检验分析显示，沪深两市拥有非线性特征，即：价格波动具备分形性与持久性，经递归图分析指出，两市指数的价格时间序列具有确定性[4]。

在中国期货市场方面，虽然国内学者研究了中国期货市场，但仅限于单一品种，也未能运用不同方法进行检验。由于期货市场的指数缺少一致性，各品种均有着独特性，单一品种的混沌性不具备代表性与典型性，因此，研究过程中应选用不同的方法，以此提高检验分析的全面性与准确性。实践中选用了三大期货交易所的全部上市品种，首先，利用最大交易量复权法进行采集，以此保证了数据的完整性、准确性及代表性，此后进行了处理、计算及检验。此结果为各期货市场的不同品种价格序列具有尖峰厚尾的特点，不属于正态分布。通过R/S、BDS及递归图检验可知，我国期货市场价格序列波动具有非线性与持久性特点，同时其价格普遍确定。

在中国黄金市场方面，我国黄金市场发展时间较短，在21世纪才成立上海黄金交易所，与国外市场相比，其在交易量、影响力等方面均相对较小，但其发展速度较快，与其他金融市场共同构建了完整的金融市场体系。在金融危机影响下，美元贬值，我国开始大规模储备黄金，但其在外汇储备中所占比重仍相对较小，因此，相关学者要求中央应加大其储备量。随着黄金价格的上涨，国内投资者对其给予了高度关注，因此，黄金价格预测与分析逐渐成为了热点。以上海黄金交易所的2000个数据为研究对象，采集后对其进行处理与计算，通过R/S、BDS分析与检验发现，中国黄金市场不符合正态分布，具有非线性及确定性，但其非线性特征不够明显，造成此情况的原因为该市场发展时间尚短，难以实现定量检验[5]。

通过对三个市场的分析与检验证实，中国金融市场具备混沌个特性，因此，可利用混沌理论探讨其投资决策。

2.混沌预测。中国金融市场混沌预测是其投资决策的前提条件，最传统的投资策略便是价格预测，即：价格上涨则买入，而其下跌则卖出。为了掌握中国金融市场的预测方法，应利用Lyapunov指数，该指数对系统混沌量及轨道指数发散进行了量化估计，在相空间寻找相似点与相似轨迹，在此基础上，构建预测模型，经研究证实，金融时间序列预测经去噪处理后，其预测性能明显提高；同时，采用自适应预测方法，此方法的优点为涉及的样本量少，预测准确性较高，同时可克服时变困难，并拥有自适应跟踪系统运动轨迹，在分析中国金融市场过程中可选用Valterra级数自适应预测模型，虽然其预测效果较好，但也存在不足，主要表现为缺少稳定性，个别情况下，可能出现预测失败。因此，日后，该模型仍需进一步改进。

当前，在金融市场中广泛应用着神经网络模型，其预测精度高，并且具有一定的灵活性，将其用于金融市场预测，网络通过对样本的学习，自适应地提取了金融资产价格的动态规律，同时其动态特性、存储能力，有效反应了金融市场的时序特性，从而保证了预测精度[6]。

3.混沌投资。金融市场投资决策流程如下：确定投资战略、分析市场、构建投资组合、品股业绩、改进投资组合等，实践中应注意两个事项，第一为金融资产分析，通过对投资工具风险及收益的评估，以此明确投资时机，为了解决此问题，常年的决策方法为技术分析，结合混沌预测，构建混合交易模型，经验证显示，该模型具有一定的稳定性，同时还可保证高额收益率；第二为最优资产组合，主要是控制投资风险，促进投资收益的最大化，在处理此问题过程中可利用非线性技术及行为金融理论，其投资组合模型有M-V模型、M-V-S-K模型[7]。

四、总结

综上所述，混沌理论作为非线性技术，将其用于金融投资领域，利于提高投资者的预测与决策能力，待有效控制风险后，其投资收益将更加显著。本文借助混沌理论，对中国金融市场展开了全方位的混沌识别，并提出了混沌预测方法及交易、投资模型。

参考文献

[1]刘超，刘丽.系统金融理论研究――兼论现代金融理论、行为金融理论、系统金融理论的比较[J].南方金融，2011，12：9-18.

[2]黄腾飞.基于混沌理论的中国金融市场投资决策研究[D].南京航空航天大学，2013.

[3]张震.基于混沌理论的金融风险管理模式探讨[J].区域金融研究，2012，08：20-26.

[4]杨新华，施筱勇.有效资本市场理论与混沌理论的融合――资本市场价格波动的规律性[J].华中农业大学学报（社会科学版），2003，04：18-21+30.

[5]梁成.基于异质易者非线性模型的中国证券市场价格波动研究[D].南开大学，2012.

市场预测的特性范文第4篇

市场运作涉及方方面面，前提首要做好市场预测，注重以市场调查为基础的经验判断的定性预测及以统计资料为基础的分析计算的定量预测。

公司首先要对市场预测的对象目标锁定。公司在某产品跨过成熟期步入衰退期的时候开始预测是否更新换代。则预测对象就是该产品，目标就要锁定更新换代，不能舍本求末。预测人员必须具有市场学、管理心理学、经济学、社会学等知识，充分了解当地宏观、微观环境，同时具有一定实践经验，并能对市场变化具有敏感性及判断能力。掌握大量资料后，有的放矢，围绕预测对象目标进行资料取舍，力求准确，并不断与过去实际对比，及时校正。

预测内容大致涵括：（1）市场需求预测。重点从市场潜力、销售前景入手进行预测。公司必须全面调查市场产品销售潜力，从政治、人口、文化、消费习惯、销售渠道特点、品牌基础、竞品分析等方面预测产品的销售前景。（2）市场购买力预测。重点预测当地现有的经济水平、购买力水平、潜在的购买力水平及消费结构情况。及时了解各项政府政策因素对购买力的影响，增强预测前瞻性准确性。（3）新产品开发预测。从4“C”消费者需要研究中结合公司现状预测新品的开发方向、结构变化，并注重竞品的分析，及时开发市场竞争需要产品，保证公司建立具有综合竞争力的产品线。（4）产品资源预测。预测产品供应市场的可能来源及供应量。是否能够保证新产品投入市场后的上游原料供应。是否能够创建收编上游原料供应链，保证竞争优势，同时考虑竞品也有资源需求的竞争因素。（5）产品价格变动趋势预测。科学预测价格涨落情况，对于公司利润及竞争优势十分重要。没有系统的预测，将会出现不必要的损失。卖场往往都有市场行情预测机构，他们往往知己知彼，预测产品价格未来走势，时机成熟便会与公司签订一定时间段的贸易采购单。公司没有系统预测，稍不注意，便会掉到价格陷阱里，失去巨额利润，乃至赔钱。（6）产品库存预测。预测产品库存情况，充分了解市场经销商二批商终端等环节库存，建立淡旺季安全库存，以此为依据建立自有的各时期安全库存。同时要结合生产能力并考虑竞争因素。对于特殊市场行情要及时调整库存数量。（7）市场占有率预测。预测产品上市销售中在市场上占有的比重、变化情况和发展趋势。这是某些公司中规定与销售任务同等重要的指标。决定产品在市场的地位，体现公司持续发展力、竞争力。对于整体产品线的综合开发也是有着重要作用。（8）产品生命周期预测。预测产品市场发展水平处在何种周期。并针对产品处在导入期、成长期、成熟期、衰退期不同的生命周期，制定不同的应对方法，保证产品充分完成公司的使命，达到各项目标。（9）营销效果预测。对市场产品各个时期的经销的营销效果进行预测。保证公司追求的品牌、利润、销量等各项目标的顺利实现。

凡事“预则立，不预则废”，市场运作同理。专业的各项预测能够为公司排除不必要的风险与损失，稳步实现各项搏击目标。

市场预测的特性范文第5篇

[关键词]组合预测；汽车市场；预测模型

[DOI]1013939/jcnkizgsc201619148

组合预测方法是对同一个问题，采用两种以上不同预测方法的预测。它既可是几种定量方法的组合，也可是几种定性方法的组合，但实践中更多的则是利用定性方法与定量方法的组合。组合的主要目的是综合利用各种方法所提供的信息，尽可能地提高预测精度。

1引言

汽车工业在我国国民经济中具有重要作用。2014年，我国的汽车产量达到2300万辆，首次超过美国，成为世界第一位。由于中国市场受到多种因素的影响，必须采用多种预测方法对今后的中国市场销量进行预测，从而为各个主机厂提供决策参考。

汽车市场需求是一个复杂的系统，在它的变化发展过程中受到多种因素的影响。在对汽车市场需求预测的过程中，我们可以使用多个单项预测方法。如人工神经网络模型多元回归模型时间序列模型。单个模型仅仅体现所研究的局部信息，用不同的方法进行预测，虽然各有特点，但是也往往使得经济信息不能够得到有效利用。组合预测理论在1969年被首次提出，它是对同一个预测对象，采用不同的单项预测模型，并且对每个单项施以不同权重，利用多个单项预测模型，有效组合更多有效资源，使预测有更好的稳定性和精度。

中国汽车市场需求有以下几方面的特征：

（1）需求系统内部既有生产、销售等已知信息，又包括政治影响技术进步等未知因素的影响。从过去十年的数据可以看到，中国汽车市场呈现出明显的增长趋势。

（2）中国汽车市场的需求受到多种因素的影响，其中居民收入的增长城市化是影响的主要因素。

（3）2000年以后，中国汽车市场呈现出爆发式增长，使得中国汽车市场的需求是非线性的。

根据我国汽车市场的上述特点，分别建立了多元回归模型和指数平滑模型，以标准差法来分配权重，以组合预测法来对我国汽车市场进行预测。

2建立单项预测模型

以汽车销售量代表市场需求量，并用2000―2015年汽车销售量建立单项预模型。若第t年汽车销售量用（t=1，2，…，n）表示，n=15；第t年汽车预测值用（t）表示。

1灰色系统预测模型

设建立灰色微分方程： 设y（0）（t）=yt（t=1，2，…，n），原始数据数列y（0），新累加数列y（1）（t），则：

建立灰色微分方程：dy1dt+ay（1）=u

用最小二乘法估计a，u得a=-01458，u=29865

求解微分方程可得GM（1，1）预测模型（1）（k+1）；经过模型还原。可得原始数列预测值k。

2多元回归预测模型

在经济系统中，经济变量常常有多个。汽车市场需求受到多个经济变量的影响，其中人口增长和GDP增长为主要影响变量。因此，在本文中，我们以人口GDP为解释变量，汽车市场需求量为被解释变量，建立回归模型：

yi=b0+b1xi1+b2xi2+εi（i=1， 2， …， n）

式中：yi， xi1，xi2分别表示第i年汽车需求、人口及GDP的实际观测值；b0，b1，b2为待估参数；εi为随机干扰且εi（0，σ2）。

用2000―2015年的人口及GDP实际数据，计算得到多元回归预测模型为：

yi=8560236-b1xi1+b2xi2+εi（i=1， 2， …， n）

计算F=458，查表得F∝（2，16）=363，由于F>F∝（2，16），通过检验。

3二次指数平滑法预测模型

指数平滑法遵循“重近轻远”的原则，对历史统计数据加权平均，所得预测模型具有反映近期数据变化的特点。通过汽车销售量的时间序列y1，y2，yn，计算一次指数平滑值，二次指数平滑值。二次指数平滑法计算公式如下：

S（2）2=αS（1）t+（1-α）S（2）t-1Yt+T=at+btT

式中，Yt+T为t+T期的预测值；T为由 t期向后推移的期数；at=2S（1）t-S（2）t。

从历年我国汽车销售的数据来看，我国正经历汽车快速增长的时期。并且在以后还将在一段时间内继续保持增长。因此，在本文中，我们取的范围为06～09，并结合实际值，取误差最小。

a值依据公式at=2S（1）t-S（2）t进行，计算b值，依据公式bt=a1-a（S（1）t-S（2）t）进行。

3建立组合预测模型

从上述的三种方法我们可以看到，单个预测模型不能有效地利用数据。我们可以建立组合预测模型，以提高预测精度。

采用标准差法确定组合权重。设m为单项预测模型的个数，第i个预测模型的权重为wi，标准差为σi。

令σ=ni=0σi（i=1， 2， …， m）

则wi=σ-σiσi1m（i=1， 2， …， m）

此处m=3，代入上式计算可得w1=05689，W2=02456，w3=01855

故组合预测法的计算公式为Zt=05689y1+02456y2+01855ya。其中y1为灰色系统预算值，y2为回归预测法值，ya为二次指数平滑法值。

4结论

用灰色系统模型和多元线性回归及二次指数平滑法，计算2000―2015年汽车市场需求预测值并与实际值进行比较得到预测3单项误差；将各单项模型预测值带入进行比较。从计算的数据可以看出，90%以上的年份数据误差在2%左右，即此组合预测模型有较好的预测精度，可用于预测我国汽车市场需求量。在计算时还可以参考目前我国GDP的年增长率及中国人口的年均增长速度，由此可以预测2016―2020年我国汽车市场需求量。

我国的产业政策明显倾斜于汽车工业，使汽车工业的投资进行明显加快。再加上GDP的快速增长和中国城市化进程的加快，这些都使得我国汽车销售量出现了快速增长。根据发达国家的经验，国家人均GDP达到1000美元将进入汽车快速增长时期。目前，由于我国地区发展的不平衡，目前北京、上海GDP已经超过2000美元，但是西部还比较低。

上述组合预测模型综合了中国汽车市场需求的长期历史变动趋势与近期快速增长变动趋势。由表中的数据可知，2020年我国汽车市场需求预计达到3600万辆。不过，我们也要看到汽车的快速发展带来的城市拥堵及停车难等一系列问题。为此，深圳等城市已经出台了限购等政策。

总的来说，汽车是我国的支柱产业，其覆盖面广，涉及的产业多，提供了大量的就业机会。我国一直把汽车产业作为支柱产业，应出台一系列的政策促使汽车的快速均衡发展。

参考文献：

[1]张友兰，周爱民最优加权组合预测及应用[J].数量经济技术经济研究，1997（10）：66-68