[发明专利]基于资金流预测收益率的预测方法、装置、设备及介质

权利要求书

1.一种基于资金流预测收益率的预测方法,其特征在于,所述预测方法包括：

获取采样的宏观资金流变量和上证指数收益率的月度数据序列,所述宏观资金流变量包括货币供应量(M2)和银行隔夜拆借利率(SHIBOR)；

对月度数据序列进行单位根检验,确定单位根检验后的月度数据序列的单位根特性是否满足多变量协整检验的宽限条件；所述单位根特性为月度数据序列为N_i阶单整序列,N_i≥0；

在单位根特性满足多变量协整检验的宽限条件的情况下,利用Johansen极大似然估计法确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系；

根据基于协整关系建立的VECM模型对上证指数收益率进行预测，其中，所述对月度数据序列进行单位根检验,确定单位根检验后的月度数据序列的单位根特性是否满足多变量协整检验的宽限条件包括：

将月度数据序列逐一进行单位根检验并确定月度数据序列的单整序列阶数N_i,N_i≥0；所述月度数据序列的单整序列阶数N_i包括上证指数收益率序列(SHIDX)之单整序列阶数N₁、银行隔夜拆借利率(SHIBOR)的月度数据序列(R1M)之单整序列阶数N₂和货币供应量(M2)的月度数据序列LNM2之单整序列阶数N₃；

在N₁、N₂和N₃满足如下公式的情况下，确定月度数据序列的单位根特性满足多变量协整检验的宽限条件，

所述公式为：N₁≥N₂,N₁≥N₃,N₁≤N₂+N₃；

其中，所述将月度数据序列逐一进行单位根检验并确定月度数据序列的单整序列阶数N_i包括：

将每一月度数据序列顺次输入含趋势项的OLS方程模型、含常数项的OLS方程模型及不含常数项的OLS方程模型中,并确定δ₁、δ₂、δ₃的数值：

含趋势项的OLS方程模型:

含常数项的OLS方程模型:

不含常数项的OLS方程模型:

其中,X_t、X_t-1为月度数据序列,ΔX_t、ΔX_t-1表示对X_t、X_t-1进行差分，δ₁、δ₂、δ₃均为月度数据系数,α为常数项,γt为时间趋势项,γ为趋势项系数,m为ΔX_t-1滞后的阶数,ε_t为白噪声序列；

在当次输入月度数据序列确定的δ₁、δ₂和δ₃不全为0的情况下,对该月度数据序列进行j次差分处理直至δ₁、δ₂和δ₃全为0,j为对应月度数据序列的单整序列阶数N_i；

在当次输入月度数据序列确定的δ₁、δ₂和δ₃均为0的情况下,确定匹配的月度数据序列为平稳序列,记该月度数据序列为X_t～Ι(k),k≥0；

其中，所述在当次输入月度数据序列确定的δ₁、δ₂和δ₃不全为0的情况下,对该月度数据序列进行j次差分处理直至δ₁、δ₂和δ₃全为0包括：

获取对当次输入的月度数据序列进行差分处理后的差分月度数据序列；

将获取的差分月度数据序列顺次输入含趋势项的OLS方程模型、含常数项的OLS方程模型及不含常数项的OLS方程模型中,并确定δ₁、δ₂、δ₃的数值；

在确定δ₁、δ₂、δ₃全为0的情况下，停止对月度数据序列进行差分处理并确定差分次数j；

其中，所述在单位根特性满足多变量协整检验的宽限条件的情况下,利用Johansen极大似然估计法确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系包括：

确定宏观资金流变量月度数据序列的单整序列阶数N_i，并根据宏观资金流变量月度数据序列的单整序列阶数N_i选取匹配的协整检验方程模型；

根据选取的协整检验方程模型确定上证指数收益率序列(SHIDX)与银行隔夜拆借利率(SHIBOR)的月度数据序列(R1M)和货币供应量(M2)的月度数据序列LNM2之间的协整关系个数，并确定宏观资金流变量月度数据序列与上证指数收益率月度数据序列的协整关系,所述协整关系包括正相关和负相关。