论文部分内容阅读
PMI指数由于具有先行性和全面性等特点被广泛应用于宏观经济的预测中,而且PMI已被称为股票市场的“晴雨表”,因此本文研究PMI对股票收益率的预测能力,用实证结果来说明PMI是否对股票收益率具有预测作用。由于股票市场极其复杂,波动性较强,它实质上是一个复杂多样的动态的非线性的系统,它受各种各样的因素影响,这给预测增加了难度,传统的线性预测模型具有一定的局限性。因此本文采用机器学习中的SVM模型对股票收益率进行预测,该模型在解决非线性、非参数、高噪声等问题中十分有效。本文首先对PMI的理论及发展过程等进行了阐述,讨论了 PMI对股票收益率的影响机制,然后建立基于PCA的SVM模型,将官方PMI和财新PMI分别加入模型中对沪深300的月度股指收益率进行预测,并得出结论:当历史交易信息不用PCA方法处理时,历史交易信息预测的准确率为85.5%,加入了官方PMI的预测准确率为86.8%,加入了财新PMI后的预测准确率为88.1%;当用PCA方法构建了综合指数后,直接用综合指数的预测准确率为84.1%,加入官PMI后的预测准确率为85.1%,加入了财新PMI后的预测准确率为89.1%。实证结果表明,官方PMI和财新PMI都对股票收益率具有预测作用,且财新PMI的预测效果比官方PMI的效果更好。最后本文根据实证结果提出了相应的政策建议,并阐述了本文的不足及展望。