1 绪论
1.1 问题的提出
股价的短期预测一直是极具争议的话题，自从股市诞生以来很多人试图找出短期股价变动的模式，并探讨现代金融理论包括资本资产定价模型、单因素模型和套利定价模型能否指导股市的短线操作。这方面的研究结果常常让人感到灰心，人们普遍得出一个结论，那就是股价是随机波动的，是无法预测的，这个结论应该说是对的，但解决问题常常可以从不同的角度入手，有时我们在研究一个问题的时候，常常会忘记一个很现实的事情，那就是我为什么研究这个问题！其实在很多情况下我们只需要关心股价会涨还是会跌，同时我们再进一步关心一个深入的问题，那就是涨会涨多长时间，跌又会跌多长时间，即某个趋势会持续多长时间，一般来说，上涨持续的时间越长，获得高股价就是个大概率事件，因此用这个问题来替代具体的股价变动，同样可以使我们在投资上获得不菲的收益。这样对股价短期变动的研究我们就可以转换为另外两个小问题：短期内股价会涨还是会跌；会涨多长时间，会跌多长时间。
1.2 研究的背景和意义
任何微观动因都会形成特有宏观经济现象，金融市场也不例外，每一个金融资产成交价格都蕴含着参与交易的投资者对其未来风险与收益的权衡、最终通过效用比较后做出的决策。但是，对于投资者个体决策行为与最终金融资产价格之间的逻辑关系，学者们因研究角度不同而形成了一些炯然不同的观点。现代金融学从理性经济人假设出发，利用一般均衡分析和无套利分析建立了以 EMH 为基石的体系完备的资本市场理论，包括有效市场理论、资本资产定价模型、单因素模型和套利定价模型等，其核心观点有三：
(1)投资者是充分理性的，并且按照最大效用原则来进行个体的投资行为，能够按“贝时斯法则”做出无偏的概率估计。
(2)资本资产的价格迅速、准确地反映所有信息，由于新信息的到达是随机的，因而价格也是随机漫步(random walk)的，具有不可预测性，资产的收益率呈正态分布特征。
(3)投资者具有同质性预期，有能力处理所有可得信息，并对信息做出迅速反应，是市场价格的接受者。
2 文献综述与有关定价模型
2.1 文献综述
资本资产定价模型(CAPM)的建立最初是从研究考察投资者行为开始的。投资者在当期购买一定量的证券，在过了持有期之后将其卖出，得到的钱用于消费和再投资，这种投资活动的主要目的是获得收益。由于证券的收益在证券未来的持有期内是未知的，所以投资者通过各种方式考虑投资的预期收益，并选择最高收益的一种证券组合。但是，收益在时间上要滞后于投资活动的进行，这种滞后性会导致收益受到未来许多不确定因素的影响而偏离投资者最初的预期，从而产生投资风险。1952 年，美国经济学家哈里.马克威茨 (Harry M．Markowitz)用数量化方法对投资着‘预期收益最大或风险最小”的目标提出了确定最佳资产组合的均值一方差模型，认为投资者应该充分均衡证券的预期收益与风险两个因素，不同证券的相互关联使持有的证券组合能够降低风险。Markowitz 提出把证券收益率看作随机变量用其均值表示预期收益，方差表示风险。这一模型奠定了资产组合理论，也为资产定价理论打下了基础。资产组合理论根据多种资产收益和风险的一系列估计和预测，确定最优资产组合的构成，为理性投资者根据自身风险偏好做出价值最高的投资决策提供参考。
资本资产定价模型(CAMP)是基于风险资产的期望收益均衡基础上的预测模型，它是夏普(Sharpe)、林特勒 (Lirltner)在 20 世纪 60 年代中期提出来的，它是在一个不确定的条件下，使投资者实现效用最大化的资产定价模型，该模型主要以马克威茨现代投资组合理论为基础，由现代投资组合理论发展而来，把资产的期望收益率与市场风险因子联系起来。然而马克维茨资产组合现则模型的建立需要有相当数量的所有相关证券之间的协方差估计，而且对这些估计值还要引入一个数学优化模型，这要求有巨大的计算机能力来满足大型资产组合所必须的计算。为了避免这些数据和过大的计算机容量的要求，引入了一个简化的假定来减少数据的编辑和加工。这个假定就是把所有相关经济因素组成一个宏观经济指标器，假定它影响着整个证券市场。即所有的系统风险都集中于一个经济指标器，由这个指标器来集中反映。这个指标器称之为因素，这种方法引出与因素模型类似的等式，称为单因素模型或单指数模型，有的资料中也称为单因子模型。
3 数学处理方法准备.................................... 26-30
3.1 一元线性回归模型.................................... 26
3.2 时间序列模型-自回归过程.................................... 26-27
3.3 时间序列回归 ....................................27
3.4 条件异方差模型.................................... 27-28
3.5 本论文使用的数学模型 ....................................28-30
4、模型参数特征统计实证分析.................................... 30-50
4.1 数据来源 ....................................30
4.2 数据处理方法 ....................................30-38
4.2.1 数据预处理过程.................................... 30-31
4.2.2 模型建立过程.................................... 31-38
4.3 模型参数的特征描述 ....................................38-41
4.3.1 参数α的特征 ....................................39-40
4.3.2 β值的统计特征.................................... 40
4.3.3 βn 值的统计特征 ....................................40-41
4.4 模型参数实证解释 ....................................41-42
4.5 模型参数的实践指导意义.................................... 42-44
结论
概率是统计的灵魂，任何统计都是以概率为基础的，同样统计的结论也是讲概率的。这句话的意思就是任何用统计手段得到的结论都不会是绝对的，其正确与否只能同过可能与不可能，很可能与很不可能等等类似的话来描述，结论的可靠性用概率大小来描述更科学。在证券市场中的风险可大概归纳为两种，一种称为系统风险，即由于经济环境的不确定性使证券市场所面临的风险；另一种称为非系统风险，这是由于个别性的随机事件对个别证券造成的冲击所带来的风险。
作为证券市场中的单个资产当然也不可避免的会有系统风险和非系统风险。实践证明无论是系统风险还是非系统风险都是有可能避免的。对于系统风险，不但能通过运用经济理论分析来规避，也能使用统计手段来预测。如前所述22iMβ σ是系统风险的一种度量，它来自两个部分分别是β 和Mσ ，在股市实际操作中，可以利用β 的短期波动性选择值较小的β ，来减少系统风险的冲击。本文得出的一些结论在实践运用中主要是为了规避非系统风险，这些结论在实践中检验了其可靠性，所以，这些结论很可能是正确的，不失为很好的经验法则。