20231025-华安证券-_学海拾珠_系列之一百六十三_奇异值分解熵对股市的动态预测能力_13页_987kb

奇异值分解熵对股市动态预测的研究总结

报告概述
本研究通过奇异值分解熵（SVDE）探讨其对股市动态的预测能力，测试了每日和月度数据，使用格兰杰因果检验和回归模型验证结果。

关键发现

• 格兰杰因果检验表明，SVDE指标可有效预测股票市场动态，对不同数据频率（日或月）稳，结果基于滞后的SVDE滞后值拟合道琼斯指数。
• SVDE作为系统性指标，能衡量市场信息和秩序，变化可能预示系统性市场变化或危机，呈正相关性与指数移动一致。

方法描述

• 使用皮尔逊相关系数构建股票相关矩阵，并通过奇异值分解计算熵值。
• 应用格兰杰因果检验和回归模型分析，窗口大小根据数据频率调整（月度24个月），检验熵与指数间的因果和拟合关系。

讨论与建议

• 结果稳健于方法变异，并建议结合随机矩阵理论以增强预测。
• 研究基于历史数据，结论仅供参考，不构成投资建议。

文献来源
核心内容摘自Petre Caraiani在《Physica A》的文章《The predictive power of singular value decomposition entropy for stock market dynamics》。