探索性数据分析方法的应用沪深股市股票价格与流通盘的定量关系

第１８卷第２期统计与信息论坛Ｖｏｌ１８Ｎｏ２２００３年３月Ｍ“２００３【统计理论与方法】探索性数据分析方法的应用——沪深股市股票价格与流通盘的定量关系苟成玲（北京航空航天大学应用物理系。北京１０００８３）摘要：文章简要地介绍了一种高技稳健的知识发现技术——探索性数据分析，并应用恢方法研究了三个时间点，中国股市股票价格的６０日均竹与股票流通盘的关系，得出了它们之问的定量关系，显示了探索性数据分析对于分析股市数据的有效性。关键词：知识发现；探索性数据分析；股票价格；股票流通盘；沪深股市中图分类号：Ｃ８１２文献标识码：Ａ文章编号：１００７—３１１６Ｃ２００３）０２—００２６—０４对于一组模式未知的数据，可以有很多方法来处理，当数据偏离严格假定所描述的理想模型，古典统计技术可能不适用。探索性数据分析技术——新开发的稳健、高效的数据分析方法——能直截了当地把分析者导向数据的结构。本文简要地介绍了探索性数据分析技术的原理，并应用该方法分析了深沪两市上市公司的股价和流通盘的数据，得出了股价与股票流通盘的定量关系的解析表达式。对股市参与者和政策制定者有一定的参考价值，尤其对解决股份全流通问题有参考意义。一、研究方法简介探索性数据分析技术的整个操作步骤大体可以划分成两大阶段：探索阶段和证实阶段…。探索性数据分析提供丰富多彩的详细考察一组数据的方法，分离出数据的模式和特点，把它们清晰地显示给分析者。探索数据分析方法还可以用来揭示：数据对于常见模型的意想不到的偏离。探索性方法的要点是灵活性：它既要灵活适应数据的结构，也要对后续分析步骤揭示的模式灵活反应。证实性数据分析评估观察到的模式或效应的再现性。传统的统计推断提供显著性或置信性陈述，证实性分析与它相近。但是，证实阶段通常还包括：（１）将其它密切有关的信息结合进来；（２）通过收集和分析新数据确认结果。整个探索性数据分析的过程有四个主题：耐抗性、残差、重新表述和图形启示．它们常常组合起来使用。耐抗性确保对于数据的局部不良行为的非敏感性。当数据的一小部分被新的数值代替，即使它们与原来的数值很不一样，由耐抗方法得出的结果也只有轻微的改变。耐抗方法很重视数据的主体部分，而几乎不重视离群值。残差是由数据减去一个总括统计量或拟合模型后的残余部分，即：残差＝数据一拟合。探索性数据分析的基本观点是：不仅要分析一组数据，而且要仔细考察残差。探索性数据分析充分利用了耐抗分析会把数据中的主导行为和反常行为清楚地分离的优点。当数据的大部分遵从一致的模式时，耐抗残差包含了对于这个模式的剧烈偏离及机遇起伏。残差分析提供一个放大镜，使得模式和基础结构很容易被观察到，这就能指出我们下一步的分析方向。探索性数据分析强调：要尽早考虑数据的原始测量尺度是否合适的问题。如果不合适，重新表达成另一个尺度也许有助于发现对称性、变异恒定性、关系直线性或效应加性。探索性数据分析强调数据的图形显示的启示作用，它能使分析者看出数据、拟合以及残差的行为，从而抓住数据中意想不到的特点。收稿日期：２００２—１０一３０作者简介：苟成玲（１９６１一），女，重庆人，博士，副教授。研究方向：金融风险管理。２６　万方数据