我国股票市场行业板块联动效应的实证
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
【摘要】在股票市场中，板块与板块之间，股票价格或收益率的波
动常常存在着显著的联动效应，每一波大行情往往都是由一个或数个板块所带动的。本文基于数据挖掘的视角，利用关联规则挖掘的Apriori算法，分析了我国股票市场30个行业板块间的联动效应，结果
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明，化工化纤板块、电子信息板块与多个板块间存在较强的联动效应。
【关键词】行业板块 联动效应 关联规则
一、前言
随着市场经济的不断推进，我国股票市场日益繁荣，股票投资已成为人们经济生活中不可或缺的一部分。在股票市场中，板块与板块之间，股票价格或收益率的波动常常存在着显著的联动效应。回顾我国股票市场的发展历程，不难发现每一波大行情往往都是由一个或数个板块所带动的，借助板块的联动效应，将有利于投资者及时发现市场热点，增强交易的盈利性;并适度调整资产组合，降低投资风险。对监管机构而言，股票市场联动效应的强弱可以用于衡量风险传递的可能性，为其制定市场监管机制提供借鉴。
本文基于数据挖掘的视角，利用关联规则挖掘的Apriori算法，分析我国股票市场行业板块联动效应，旨在挖掘出我国行业板块指数间潜在有用的联动关联规则。
二、相关理论与方法介绍
事物存在普遍的联系，I1发生时，I2也有可能发生，如在美国买啤酒的人极有可能买尿布，类似于“I1发生时，有n%的可能I2会发生”的规律被称之为关联规则(Association Rule)，其中I1称为规则的前项(Antecedent)，I2称之为规则的后项(Consequent)。I1与I2同时发生的概率称之为支持度(Support)，支持度反应了I1与I2同时出现的频繁程度;I1发生时，I2发生的概率称之为置信度(Confidence)，置信度反应了关联规则的可靠性。关联规则挖掘实际上就是在大量数据中，寻找同时满足用户给定的最小支持度(Minsupport)和最小置信度(Minconfidence)的关联规则的过程。1994年Agrawal等人给出的Apriori算法为关联规则挖掘最具代表性的算法，该算法沿用至今，一直作为新兴的关联规则挖掘算法的理论基础。
三、实证分析
(一)数据选取与预处理
为了较为系统和全面地研究我国股票市场行业板块间的联动效应，本文选取了来自大智慧软件(大智慧ver7.0版)2008年12月24日到2013年10月30日的30个行业板块指数――保险、电力、电器、电子信息、房地产、纺织服装、钢铁、工程建筑、化工化纤、供水供气、机械、计算机、建材、交通工具、交通设施、教育传媒、旅游酒店、煤炭石油、酿酒食品、农林牧渔、券商、商业连锁、通信、外贸、医疗、仪电仪表、银行类、有色金属、运输物流、造纸印刷。为消除异常值对实证结果的影响，这里对板块指数日开盘、最高、最低、收盘价格取算术平均数作为衡量股票价格的指标，在此基础上，计算每日的涨跌幅。
为了关注行业板块间“较大幅度”的同涨(同跌)效应，同时考虑各行业板块的实际涨跌幅度，故而选择1%为最小涨跌幅度，当上涨(下跌)幅度?1%时，则认为板块指数上涨(下跌)。
(二)联动效应分析
由表1可见，有意义的同涨联动效应主要集中于外贸、建材、机械、电子信息、纺织服装、计算机、造纸印刷、仪电仪表、农林牧渔、化工化纤、工程建筑、通信这12个板块之间。电子信息板块上涨时，计算机板块有81.82%的可能性会在同一天上涨;化工化纤板块上涨时，电子信息板块有82.82%的可能性会在同一天上涨;化工化纤板块和电子信息板块同时上涨时，计算机板块有88.8%的可能性会在同一天上涨，农林牧渔(纺织服装)有84.23%的可能会在同一天上涨，外贸同一天上涨的可能性为83.82%，造纸印刷(建材)的可能性为82.57%，仪电仪表(机械)可能性为80.91%，可见化工化纤板块、电子信息板块与多个板块间存在同涨的联动效应，这点应予以重视。
由表2可见，有意义的同跌联动效应主要集中于供水供气、外贸、建材、机械、电子信息、纺织服装、计算机、仪电仪表、化工化纤、交通工具这10个板块之间。电子信息板块下跌时，计算机板块有83.27%的可能性会在同一天下跌，化工化纤有80.48%的可能性会在同一天下跌;化工化纤板块下跌时，外贸板块有85.6%的可能性会在同一天下跌，仪电仪表同一天下跌的可能性为81.6%，纺织服装的可能性为81.2%，电子信息(机械)的可能性为80.8%，可见化工化纤板块、电子信息板块与多个板块间同样存在着同跌的联动效应，这可能与造成板块同涨(同跌)的政治、经
济或是社会因素存在一致性有关。
四、结论
本文利用关联规则挖掘的Apriori算法，全面分析了我国股票市场30个行业板块间的联动效应，所获得的关联规则有助于投资者做出更加理性的投资决策;股票市场联动效应的强弱可以用于衡量风险传递的可能性，故而这些规则也可为市场监管机制的制定提供借鉴。由于没有考虑板块间的联动效应具有一定程度的滞后性，即同涨(同跌)联动效应不一定在同一天出现，挖掘到的关联规则具有局限性。股票的价格往往是政治、经济、社会等因素共同作用的结果，股票价格具有随机性特征，即过去的数据所提炼出来的规则在将来不一定有效，为了提高决策的有效性，实际应用中应该将关联规则挖掘的结果与传统的技术分析以及基本面分析相结合。
参考文献
[1]AGRAWAL R，IMII.IENSKI T，SWAMI A.Mining association rules
between sets of items in large databases[C].GIGMOD，1993:207-216.
[2]毛国君，段立娟，王实，等.数据挖掘原理和算法[M].第二版.北京:清华大学出版社，2007:67-73.
[3]汪赫瑜，王伟.股票间关联规则的挖掘算法[J].中国科技信息，2008，05:155-156.
[4]罗旭娟，叶银龙.关联规则挖掘在股票价格指数分析中的应用研究[J].统计与咨询，2009，04:34-35.
作者简介:冯甜(1987-)，女，陕西咸阳人，西安财经学院统计学院在读硕士研究生，研究方法:统计建模。
浙公网安备 33021202002483