非参数统计方法在证券投资中的应用

非参数统计方法在证券投资中的应用

一、非参数统计功能非参数统计是21世纪统计理论的三个发展方向之一。在未来统计发展中扮演及其重要的角色。其优点集中体现于以下四方面:(一)模型偏差的原因传统参数方法依赖于对总体分布的假定,然而现实总体往往并不满足假定的分布形式,这就导致模型与现实相背离,产生模型偏差。而非参数方法完全从数据本身获得所需的信息,无需对总体分布强加假定条件,可以选择与数据最为匹配的模型,从而纠正了传统参数方法可能导致的模型偏差。(二)错误结果难以满足传统参数方法对总体分布具有很强的假定,但强假定在现实中常常难以满足,故易产生错误结果。而非参数方法并不依赖于假定,而是立足于数据选择方法,保证了方法与现实(即数据)的高度一致,从而避免了错误结论的产生,具有稳健性。(三)定类、定序数据的应用从数据角度看,非参数方法不仅像参数方法一样可用于处理定距、定比数据,还可用于定类、定序数据。而定类、定序数据在社会科学领域大量存在,故其应用范围更广。从模型角度看,因非参数方法假定条件较少,也无需检验总体的参数,故其模型适应范围更广,在此具有广泛非参数统计意义的模型基础上得出的结论也具有普遍意义。(四)调查的体分布非秩及其统计量分布的推非参数统计的基本思想是:在总体分布未知的情况下,根据与原来总体分布无关的秩及其统计量的分布进行统计推断。可见非参数方法的核心是秩,即数据点从小至大的排列次序,其含义直观,易于理解。因此,以之为基础构建的整个非参数统计体系也具有简单易操作的优势。二、进行市场投资需多根据其信息的真实性来开展企业融资随着我国证券市场的迅速发展,对证券信息的分析显得越来越重要了。目前已有上千家公司在上海和深圳两个证券交易所挂牌上市,投资者进行投资决策时不可能到各个公司去了解情况,而只能依据公司在公开传媒上披露的信息资料进行分析判断,所以多角度、多层次地获取上市公司的全面信息,并正确地加以分析和利用,对于投资者来说是至关重要的。(一)下一年下一个月时下拾遗时间问题描述设证券市场共有m家证券投资咨询机构(以下简称机构),令uij表示第i家机构的第j次预测。其中uij∈{-1,0,1},i=1预测下一时期大盘上升;i=0预测下一时期大盘不涨、不跌或没有明显意见;i=-1预测下一时期大盘下跌。同时令u0j∈{-1,0,1},i=1实际下一时期大盘上升;i=0实际下一时期大盘在一定范围内波动;i=-1实际下一时期大盘下跌。设在任一时期m家机构中有k家机构发布大盘预测,即对于每个j,存在ui1j,ui2j,…,uikj;1≤i1,i2,…,ik≤m。接下来要解决的问题就是通过对有限的k家机构所发布大盘预测的统计分析,做出整个证券投资咨询行业的预测情况的估计。(二)估计条件方差类型对金融市场而言,条件方差非常重要。对非参数方法而言,有两种类型的非参数模型:类型1、基于N一W非参数方法估计条件均值得到的非参数残差,利用N一W非参数方法估计条件方差类型;类型2、基于LLLS非参数方法估计条件均值得到的非参数残差,利用LLLS非参数方法估计条件方差;在每种类型中,根据计算核函数方法的不同又有两种子类型:子类型1、根据滞后非参数残差计算核函数;子类型2、根据滞后非参数残差和条件均值方程中的解释变量计算核函数。(三)行业相关指标的相关分析描述一组数据平均水平的指标有平均数、中位数、几何均数、众数等,在证券信息分析中,我们根据不同的研究对象选择恰当的指标。中位数在证券信息分析中的应用将一组数据从小到大排列起来,位于中间的数即为中位数。上海证交所159家上市公司1994年主营业务收入分布情况见图1。从图1可以看到,绝大多数上市公司的主营业务收入都集中在前4个组段,呈明显偏态分布,而只有8家上市公司的主营业务收入高于2.0×105万元,数值较大。用统计分析系统SPSS计算出这159家上市公司的主营业务收入的平均数是63774.9万元,中位数是30133.3万元。平均数63774.9万元位于第7个组段60000—70000万元之间,而中位数30133.3万元位于第4个组段30000—40000万元之间,显然中位数30133.3万元比平均数63774.9万元更能反映出这159家上市公司主营业务收入的平均水平。直线相关系数在证券信息分析中的应用上市公司的年度报告中主要包括主营业务收入、净利润、总资产、股本收益率、每股净资产、净资产收益率,这些指标之间是否有关系,如果相关,那么相关的密切程度怎样呢?我们可以采用直线相关系数来度量这种相关的密切程度。可以根据1994年度上海证交所159家上市公司的数据用SPSS统计分析系统计算出各指标之间的直线相关系数。本文综述研究了非参数统计方法从不同角度对证券投资的风险的分析。只有认清了证券投资的风险,才能正确估计