文档介绍：基于因子分析的股票技术指标评价
摘 要:选取15个常用的技术分析指标对中国股票市场中能源行业公司的股票进行综合排名,通过因子分析法,对股票综合排名的结果进行分析,以此来验证因子分析法在股票分析中的科学有效性,为投资者在技术分析基于因子分析的股票技术指标评价
摘 要:选取15个常用的技术分析指标对中国股票市场中能源行业公司的股票进行综合排名,通过因子分析法,对股票综合排名的结果进行分析,以此来验证因子分析法在股票分析中的科学有效性,为投资者在技术分析上提供理论方法支撑,以便投资者对股市的价格变动趋势做出合理的判断。
关键词:能源股票;因子分析;技术分析
中图分类号: 文献标志码:A 文章编号:1673-291X(2019)14-0136-02
引言
有效的股票评价对于投资者的投资选择具有一定的参考价值,并且能够合理地控制风险,增加投资收益。因此,对于股票数据指标的综合评价是十分重要的。常见的股票数据指标评价方法有因子分析、聚类分析、ICA自适应算法、灰色关联度分析法、EVA,且目前的数据指标都采用财务指标对股票进行综合评价。本文通过因子分析法,从技术分析的角度采用了不同种类的技术分析指标,对我国能源行业75家公司的数据进行股票综合评价。
一、理论模型
作为一种重要的降维方法,因子分析通过样本数据的基本结构来研究多变量之间的内部依赖关系,并用少数几个能够反映原来多个变量中主要信息的公共因子来表示其基本数据结构。其中,原始变量是显在变量,而公共因子是不可测的潜在变量。
假设p个原始变量xi(i=1,2,…,p),经标准化处理后,若其均值为0,方差为1,则原始变量可以用q(q<p)个因子线性表示为:X=?撰F+?着,其中系数矩阵?撰为载荷因子。
因子分析模型的步骤如下:
,要求指标间的相关性較强,对原始矩阵进行标准化处理。标准化原则:找出数列中的最大值,用数列中的每一个值除以最大值。
,并利用KMO和Bartlett检验方法和准则判断因子分析在数据中的适用性。
,并根据因子方差的大小和特征值大小确定公共因子的个数,本文取特征值大于1,同时累计方差贡献达到65%以上的公共因子。
,如果提取的因子很难解释,使用正交旋转变换来减少公共因子之间的相关关系,并为公共因子赋予具有实际含义。
,通过各方案的因子得分进行排名。
二、实证分析
(一)样本的选择
本文的数据样本来源于Wind数据库,选取沪深A股Wind能源行业75家上市公司2017年第二季度的15个技术分析指标及其数据对能源行业的股票进行综合排名。
(二)基于因子分析的股票技术分析评价
在进行因子分析前,首先要对指标之间的相关性有所了解,判断进行因子分析是否合适。下面用KMO和 Bartlett 检验判断因子分析法的适用性,结果表明KMO=>,说明很适合用因子分析。Bartlett的球形检验值为1 ,p=<,否定原假设即认为变量间的相关矩阵