基于多元線性回歸分析的股價預測

陳璐璐

摘 要：首先建立股票價格的多元線性回歸方程，使用EVIEWS軟件計算回歸系數，對回歸系數進行經濟意義的檢驗和統(tǒng)計檢驗；然后利用計量經濟學課程內容檢驗回歸方程是否存在多重共線性、異方差性、自相關性等情況；接著對模型進行改進，得到的回歸方程可決系數較大，并且滿足多元線性回歸方程的古典假定；最后將改進后的模型應用于目標預測日的開盤價預測，預測誤差在可以接受的范圍之內。

關鍵詞：多元線性回歸；股價預測；EVIEWS

中圖分類號：F830.91 文獻標志碼：A 文章編號：1673-291X（2016）19-0075-02

股票市場被視作各國宏觀經濟的“晴雨表”，能夠作為衡量一國經濟實力的重要內容。隨著我國國民收入的不斷提高，股票市場規(guī)模不斷擴大。在股票市場規(guī)模日益擴張的同時，其弊端也漸漸涌現出來，如相關制度不夠健全，政策內容朝令夕改（以熔斷機制為例，不到一周的時間被暫停）；內幕交易時有發(fā)生，市場化程度不高、投機風氣盛行等，導致股票價格劇烈波動，股民信心受挫紛紛退市。因此，研究股票價格的影響因素，并且對股票價格進行預測是十分有必要的。

上市銀行股價受到很多因素的影響，分析股價的影響因素，選取主要影響因素，采用多元線性回歸分析方法，建立可靠的上市銀行股價預測模型，提高模型預測精確度，為投資者提供有價值的建議。

一、影響上市銀行股票價格的因素分析

分析上市銀行股票價格的影響因素是進行預測的基礎，筆者主要從三個方面選取數據：以公司價值評估中的相對價值法為基礎，選取影響企業(yè)價值的會計指標作為自變量；以衡量銀行償債、盈利、營運、發(fā)展能力的會計信息指標作為自變量；以公司規(guī)模、股本結構和每股經營活動所產生的現金流作為自變量；以上證指數作為自變量。

由于股票價格包括開盤價、買入價、賣出價、收盤價等價格，為了簡化模型，選取開盤價格作為股票價格。

二、多元線性回歸模型的建立

（一）模型的設定

模型的因變量選取中信銀行公布季度報表的后一天的開盤價，因變量選取中信銀行公布的季度報表中的每股收益、每股凈資產、資產負債率、每股經營活動產生的現金流、總資產周轉率、凈利潤增長率等會計指標，上證指數為公布日后一天的開盤價。

回歸預測模型是是研究解釋變量與被解釋變量之間相互關系的一種數理統(tǒng)計方法，它根據市場收集的數據資料所體現的相關關系，通過一定的數學方法建立反映其相關系的模型，然后根據所建立的模型進行預測。本文采取的多元線性回歸模型如下：

（二）模型的檢驗

1.模型的經濟意義檢驗。根據EVIEWS軟件的回歸結果發(fā)現總資產周轉率的系數為負值，但是總資產周轉率反映的是企業(yè)銷售能力的速度，總資產周轉率越大，其股票價格應該當越高。因此，回歸方程不能通過經濟意義的檢驗。

2.模型的統(tǒng)計檢驗。（1）回歸方程的F檢驗。此回歸方程的F=3.183936，查F分布表可知回歸方程沒有通過F檢驗。（2）系數的t檢驗。此回歸方程的各項系數都沒有通過t檢驗，每項系數的t值都是小于臨界值，因此可以推斷各項系數對股票價格的影響都不顯著。

3.多重共線性檢驗。由于該回歸方程沒有通過F檢驗，并且各項系數也未通過t檢驗，懷疑方程存在多重共線性，利用相關系數法檢驗模型的多重共線性，相關系數矩陣如下：

根據相關系數矩陣結果，發(fā)現X1（每股收益）與X5（總資產周轉率）存在嚴重相關，X7和X6之間存在較強相關。比較這兩個指標同股票價格的相關系數大小，在改進模型時可以考慮剔除X1（每股收益），剔除X6 。

4.異方差檢驗。利用懷特檢驗檢驗回歸方程是否存在異方差性，發(fā)現懷特檢驗的p值明顯大于0.05，拒絕原假設，因此回歸方程不存在異方差性。

5.自相關檢驗。在選取自變量中上市銀行的會計指標時，由于選取的數據是面板數據，很有可能出現自相關情況。利用DW檢驗檢驗模型的自相關性，DW=2.798654，由于DW值大于dl，因此回歸方程不存在自相關情況。

（三）模型的改進

根據上面模型的檢驗結果，將每股收益（X1）、凈利潤增長率（X6）、資產負債率（X3）、總資產周轉率（X5）剔除，改變方程形式，重新進行回歸，回歸方程如下：

改進后的模型能夠通過F檢驗，并且可決系數R2的較大，各個參數基本通過t檢驗，不存在自相關現象，改進后的模型能夠提高預測的精準度。

三、多元線性回歸方程的預測

根據改進后的回歸方程，利用點預測方法預測中信銀行2016年4月1日開盤價格，將中信銀行預測日期相關數據代入方程，預測結果Y=7.12654844，預測結果與實際結果偏差在可以接受的范圍內。

四、結論

預測誤差結果較大可能是因為影響股票市場價格的因素太多，并且人們的心理預期作用也會影響股票價格，另外還由于我國股票市場的有效性較弱，因此簡單的多元線性回歸模型并不能夠很好地對股票價格進行預測。筆者選取的數據有限，指標過少，這也是造成預測結果不準確的重要原因，在今后的研究中也會注意數據搜集的問題。

參考文獻：

[1] 邵新建，賈中正，趙映雪，江萍，薛熠.借殼上市、內幕交易與股價異動——基于ST類公司的研究[J].金融研究，2014，（5）.

[2] 許年行，江軒宇，伊志宏，徐信忠.分析師利益沖突、樂觀偏差與股價崩盤風險[J].經濟研究，2012，（7）.

[3] 劉軍.基于股票市價與會計信息指標的多元線性回歸股票定價模型研究[D].成都：西南財經大學碩士學位論文，2009.

[4] 黃邦菊，林俊松，鄭瀟雨，方學東.基于多元線性回歸分析的民用運輸機場旅客吞吐量預測[J].數學的實踐與認識，2013，（4）.

Abstract：we set up the stock price of multivariate linear regression equation firstly，using EVIEWS software calculating regression coefficient and economic significance of regression coefficients of inspection and statistics； Then by using the regression equation of econometrics course content test，the presence of multicollinearity，heteroscedasticity，since the correlation，and so on and so forth； improve the model with learned theory，the regression equation of determination coefficient is larger，and multiple linear regression equation of the classical assumptions； Finally the improved model was applied to target forecast day opening price forecasting，prediction error within the acceptable range.

Key words：multiple linear regression；stock price forecasting；EVIEWS

[責任編輯 陳麗敏]