加载中…
大盘预测术1-大盘涨跌和涨跌家数比例的关系计算
(2013-10-27 11:02:43)| 分类： 大盘指数 |
大盘预测术1-大盘涨跌和涨跌家数比例的关系计算
概述：
网上有用上涨家数和下跌家数，来预测第二天大盘涨跌的文章，并且给出了分析过程，让人感觉很神奇。
网上预测大盘涨跌的文章是下面这个链接：
blog.sina.cn/dpool/blog/s/blog_7fb981940101ahoi.html
作者股为纸是美国金融博士从事软件开发，身处美国，知识产权保护意识极强。
很多人向作者讨教相关预测技术，被残酷的拒绝了。
不能眼看着别人掌握核心机密而无动于衷，我也想预测预测大盘。
最近请教了几个数学系的教授老师，问能否通过数据预测大盘，他们指点了几下，
我准备验证一下网上文章的理论。
由于是现学现卖，这里贴出sas运行结果，懂得人提醒一下我理解的基本错误问题。
特别是sas结果分析部分，我的理解十有八九可能是错的。
工具选择sas。
1.目地：计算当日涨跌和过去几天上涨家数/下跌家数之间的关系。
2.分析过程：
计算 上海当日涨跌 与 昨天/前天/大前天/大大前天/大大大前天涨跌家数比的相关程度
3.数据定义：数据是上海10年的日K线，3300多个样本。
3.1上海是指上证指数，数据集合是stock.Stock999999_txt。
收盘价是close，下跌家数是ds_diejiashu，上涨家数是zs_zhangjiashu。
3.2当日涨跌是当天上证指数的涨跌情况，用1/0表示，1表示上涨，0表示平盘或下跌，变量是zdvalue。
3.3涨跌家数比有两种计算方式：一是用下跌家数直接除上涨家数，变量是zdb；
二是用下跌家数除以（下跌家数+上涨家数），变量是zd。
大前天的涨跌比用 昨天+前天+大前天 来计算。
昨天的涨跌比赛zdb1,前天是zdb2,大前天是zdb3.
4.数据来源：通达信软件。
操作办法：显示通达信日K线，然后追加 advance/decline 上涨家数/下跌家数 两个指标；
从File菜单点击导出按钮，导出成text文件。
5.sas代码：
6.sas结果：
7.sas结果分析：
7.1看zdvalue和zdb1/zdb2/zdb3/zdb4的结果。
7.1.1 R-Square
0.0007
Max-rescaled
R-Square
0.0010
0.0007表示0.07%的样本被logistic模型覆盖，覆盖率太低了。
表示logistic模型不适合分析这套数据？请专业人士发表意见。
7.1.2 Analysis of Maximum Likelihood Estimates
Standard
Wald
Parameter
DF
Estimate
Error
Chi-Square Pr
> ChiSq
Intercept
1
-255.5
754.5
0.1146
0.7349
zdb1
1
0.000156
0.000121
1.6583
0.1978
zdb2
1
113.1
357.0
0.1003
0.7514
zdb3
1
142.5
947.3
0.0226
0.8804
zdb4
0
0
.
.
概述：
网上有用上涨家数和下跌家数，来预测第二天大盘涨跌的文章，并且给出了分析过程，让人感觉很神奇。
网上预测大盘涨跌的文章是下面这个链接：
blog.sina.cn/dpool/blog/s/blog_7fb981940101ahoi.html
作者股为纸是美国金融博士从事软件开发，身处美国，知识产权保护意识极强。
很多人向作者讨教相关预测技术，被残酷的拒绝了。
不能眼看着别人掌握核心机密而无动于衷，我也想预测预测大盘。
最近请教了几个数学系的教授老师，问能否通过数据预测大盘，他们指点了几下，
我准备验证一下网上文章的理论。
由于是现学现卖，这里贴出sas运行结果，懂得人提醒一下我理解的基本错误问题。
特别是sas结果分析部分，我的理解十有八九可能是错的。
工具选择sas。
1.目地：计算当日涨跌和过去几天上涨家数/下跌家数之间的关系。
2.分析过程：
3.数据定义：数据是上海10年的日K线，3300多个样本。
二是用下跌家数除以（下跌家数+上涨家数），变量是zd。
大前天的涨跌比用 昨天+前天+大前天 来计算。
昨天的涨跌比赛zdb1,前天是zdb2,大前天是zdb3.
4.数据来源：通达信软件。
操作办法：显示通达信日K线，然后追加 advance/decline 上涨家数/下跌家数 两个指标；
从File菜单点击导出按钮，导出成text文件。
5.sas代码：
6.sas结果：
7.sas结果分析：
7.1看zdvalue和zdb1/zdb2/zdb3/zdb4的结果。
7.1.1 R-Square
0.0007表示0.07%的样本被logistic模型覆盖，覆盖率太低了。
表示logistic模型不适合分析这套数据？请专业人士发表意见。
7.1.2 Analysis of Maximum Likelihood Estimates
Parameter
Intercept
zdb1
zdb2
zdb3
zdb4