的趋势。
? 股票的市场价格的决定，其本身内在价值影响的比重最大，一般情况下股价
围绕价值进行上下波动，当然，国家政策、宏观经济发展状况、上市公司经营情况、交易者交易行为与心理、股票市场自身运动规律、资金流入量等诸多因素都会不同程度的对股价波动造成影响。 ? 从股价振幅的角度分析
上海航天长锋股票从股价振幅角度分析股价的波动性特征如下图：
图 11
VRt?
日内振幅的计算公式为：
max(Pt)?min(Pt)?100%min(Pt)，其中
max(Pt)和min(Pt)分别表示日内宝诚股票上证指数的最大值和最小值。
从上图中，可以直观看出：日内振幅在1995年以前非常大，在1995年
以后基本符合逐年降低的趋势。这表明上海股票市场的波动从1995年至今逐渐减缓，波动的集聚性大大降低。具体而言，根据以上的日内振幅图，可以看出震动的幅度分为四个层次：5%，10%，15%，20%。同时，以成熟市场的波动小于5%为依据，粗略视5%以下为小幅波动，5%以上为较大的波动。
依据这四个水平将1994年到2015年的数据进行四个层次的统计，得下图：
16
图 12
首先，根据5%的分界点，低于5%的日内振幅从1995年至2015年总体呈现逐年增高趋势，而高于5%的日内振幅在逐步降低。总体而言，上海股票市场的大幅波动主要集中在1995年前后，随着证券市场法律法规的完善以及市场监管力度的加大，上海股市价格波动性大为降低。
5.5 模型评价
采用了常用于股票、期货、债券等金融市场的计量模型ARCH模型（自回归条件异方差模型）,具有典型的代表性，且本模型与股价的波动性契合良好。
首先，对选取的五只股票的样本数据做了平稳性分析，确保样本数据可以进行深入研究分析；在模型建立过程中，通过ADF检验、LM检验进一步确定该模型对五只股票的样本数据的描述是合适的，可以较好地描述股市价格的波动情况。 模型分析并非单方面讨论股票价格相对于内在价值的偏离与波动，还从股价波动周期、相关影响因素以及着重从波幅方面讨论上海股票价格的波动性特征。主要呈现的结果是股价在1995年的波动幅度特别大，由于当时处于股票市场建立初期，市场制度不完善、交易者经验不足、公司经营状况等导致波动性大。分析得出1995年后经股票市场的发展、国家整顿等，波动性大大减小，模型所得结果与上海股票市场股价波动特征相符，模型合理。
VI、对新入市交易者的建议与风险对策
过前三问的研究，可以得到以下结论：1.股票的涨跌是满足周期性波动的，以上证指数为例，它的波动周期大约在5年左右；2.股票价格的涨跌主要受到国家政策、国家宏观经济状况、流入股票市场的资金量、上市公司经营情况、交易者的交易行为与心理和股票市场自身的运动规律的影响（按照影响比例从大到小排列）；3.随着股票市场的不断扩大，股票市场的波动性会逐渐降低，但外部因素对股票波动的影响会越来越大。根据这三点结论，提出对新入市交易的交易者的建议：
拥有良好的心态：由于股票价格会进行周期性的波动，并受到多种外部因素的影响，难免会发生涨跌，交易者也难免会赚钱或者亏本。“泰山崩于前而不惊”，
17
这是作为股市投资者的最起码素质——平和的心态。在面对大涨、大跌时，交易者能够保持一个清醒的头脑非常重要。
长期跟踪观察，了解股票性格：作为新入市的交易者，买卖前务必综合各种数据、信息，得出结论经仔细推敲后再行交易。
关心时事，及时了解相关政策：宏观经济及国家政策对股票价格非常明显的影响。宏观经济分析有助于判断证券市场的总体变动趋势，把握整个证券市场的投资价值，掌握宏观经济政策对证券市场的影响力度与方向，了解转型背景下宏观经济对股市的影响不同于成熟市场经济，了解中国股市表现和宏观经济相背离的原因。我们可以通过：第一，电视、报纸广播、网络；第二，政府部门的各种经济政策、计划、统计资料、经济报告、各种统计年鉴；第三，各级主管部门的统计资料；第四，各级领导讲话；第五，单位档案资料等途径来搜集宏观经济方面的资料。再通过对资料的统计加工，依据对宏观政策的解读及对目前总体经济形势的研判，推断出目前经济周期所处阶段。
研究行业中观政策及微观政策与公司政策：宏观经济分析不能提供具体的投资领域和投资对象。了解行业本身所处的发展阶段及其在国民经济中的地位、了解行业政策有助于预测引导行业的未来趋势，判断行业投资价值，揭示行业投资风险，为制定投资决策提供依据。上市公司的经营情况也会对股票价格的波动产生影响。微观政策是指针对经济活动中的某一类个体即某一类企业或个人而制定的政策。分析公司在行业中的地位、公司所处经济区位、公司核心产品的竞争能力以及公司的经营能力、公司的获取利润能力、利润增长前景、公司规模变化等诸方面，作为新入市的交易者，可以通过分析公司的各类报表分析公司的各项财务数据。
避免“投机”：交易者的交易行为与心理对股票价格的波动会产生一定程度的影响。在股票市场中，很多投资者均存在盲目跟风的心理，称为“羊群效应”。羊群效应往往难以预测和控制，对社会具有强大的破坏性。作为新入市的交易者，缺乏一定的分析能力和经验，往往只会看到某支股票一时的涨跌而不能将眼光放长远，在不知不觉中，巨大风险已悄然来临。所以，新入市的交易者应尽可能以专业知识来克制自身的贪婪和恐惧心理，避免盲目投资失去理智。
18
VII、参考文献
[1]郭娅. 上海股票市场波动性的实证研究[D].浙江大学,2004
[2]吴玉桐,梁静国. 股票价格的影响因素研究[J]. 现代管理科学,2008,07:111-112
[3] 张培源. 中国股票市场与宏观经济相关性研究[D].中共中央党校,2013 [4] 蒋祥林. 中国股票市场波动性影响因素研究[D].天津大学,2003
[5] 常秀芳,李高. 股票涨跌中数学模型的研究[J]. 河北北方学院学报(自然科学版),2008,06:63-65+69
[6] 吴文锋,吴冲锋. 股票价格波动模型探讨[J]. 系统工程理论与实践,2000,04:63-69.
[7] 胡艺博. 基于小波—粒子滤波算法的股票价格预测研究[D].吉林大学,2008.
[8] 呼建光. 注意与股票价格行为[D].吉林大学,2012.
[9] 徐炳胜. 中国股市波动的金融政策解释[D].复旦大学,2007.
[10] 周迎霞. 我国股市风险及其防范[J]. 经济体制改革,1999,S2:105-107. [11] 步艳红. 中国股票市场系统风险分析[D].中共中央党校,2002 [12] 黄凤. 我国股市系统风险避险对策研究[D].西安理工大学,2004 [13] 赵丰义. 中国股票市场的波动性及其风险防范[D].辽宁大学,2007. [14] 刘斌. 个人投资股票的风险分析与防范措施[D].内蒙古大学,2006.
[15]李金龙，肖琳，股票何时见底反弹预测问题，http://wenku.http://www.wodefanwen.com//link?url=XySPNAfGJbymp76k7fK_Em8J2HETLgbCPr2YiJA6Joe_xHS8hG8N4uc5L-kzY0J4241_MqOXJXcO1UfwQ_3WveOwEbyrxp15--8ADhlmMVq&qq-pf-to=pcqq.group 2015.8.12
19
VIII、附录
小波分析代码：
%y1为上证指数收盘数据
y1=[646.910000000000;630.580000000000;722.420000000000;555.280000000000;556.390000000000;804.250000000000;875.520000000000;917.020000000000;1234.61000000000;1250.27000000000;1097.38000000000;1194.09000000000;1243.02000000000;1339.20000000000;1242.90000000000;1146.70000000000;1158.05000000000;1689.43000000000;1570.70000000000;1366.58000000000;1800.22000000000;1928.11000000000;1910.16000000000;2073.48000000000;2112.78000000000;2218.03000000000;1764.87000000000;1645.97000000000;1603.91000000000;1732.76000000000;1581.62000000000;1357.65000000000;1510.58000000000;1486.02000000000;1367.16000000000;1497.04000000000;1741.62000000000;1399.16000000000;1396.70000000000;1266.50000000000;1181.24000000000;1080.94000000000;1155.61000000000;1161.06000000000;1298.30000000000;1672.21000000000;1752.42000000000;2675.47000000000;3183.98000000000;3820.70000000000;5552.30000000000;5261.56000000000;3472.71000000000;2736.10000000000;2293.78000000000;1820.81000000000;2373.21000000000;2959.36000000000;2779.43000000000;3277.14000000000;3109.11000000000;2398.37000000000;2655.66000000000;2808.08000000000;2928.11000000000;2762.08000000000;2359.22000000000;2199.42000000000;2262.79000000000;2225.43000000000;2086.17000000000;2269.13000000000;2236.62000000000;1979.21000000000;2174.67000000000;2115.98000000000;2033.31000000000;2048.33000000000;2363.87000000000;3234.68000000000;3747.90000000000;4277.22000000000];
%调用MATLAB工具箱分解信号 %小波的一维分解 [c,l]=wavedec(y1,10,'db5'); %重构第1~10层逼近信号 a10=wrcoef('a',c,l,'db5',10); a9=wrcoef('a',c,l,'db5',9);
20