基于LSTM模型的AH股溢价指数预测研究.pdf

摘要

对于同在A股和港股上市的公司，其A股股价相较于港股股价存在的溢价

问题长期存在。在全面注册制的大背景下，中资港股回A上市逐渐增加，其港股

股价对A股上市发行时的定价起到重要参考作用。对于长期存在的A股相较于

港股溢价的情况，公司经营者及投资人通过参考恒生沪深港通AH股溢价指数

(AH股溢价指数)对A股相较于港股的溢价程度在资本运作前进行参考。由于

在A股注册制下，A股上市的询价阶段在股票发行前一周进行，因此对短期的AH

股溢价指数进行预测，可对新股发行的定价情况给出参考依据。

由于AH股溢价指数的序列具有非平稳、高噪声、波动性强的特征，传统时

间序列方法难以对此做出准确预测。随着机器学习技术的发展，研究发现深度学

习模型能更好捕捉金融时间序列数据信息。因此本文从深度学习方法出发，基于

长短期记忆网络(LSTM)深度神经网络，构建LSTM模型来预测短期AH股溢

价指数。

本文选取恒生沪深港通AH股溢价指数自公布以来的数据及与其高度相关的

量价数据，从单特征输入和多特征输入的角度，采用LSTM模型对未来1天、3

天及5天AH股溢价指数的收盘价进行建模预测，再与对比模型循环神经网络

(RNN)进行比较分析。

经过实证研究发现，对于预测结果的准确性而言，1天、3天、5天的单特征

输入模型和多特征输入模型预测结果的平均百分比误差(MAPE)分别为o．6205

测天数的增加，多特征输入模型相较于单特征输入模型更具有优势。在对AH股

溢价指数收盘价的预测上，无论输入特征为单特征或多特征，LSTM模型性能均

优于RNN模型，在对未来1天、3天和5天指数收盘价的预测上，随着预测时间

的增加，LSTM模型相较于RNN模型的优势更加明显。

关键词：股指预测；AH股溢价；深度学习；LSTM

ABSTRACT

ForlistedonbothA—shareandstockissueof

companiesHongKongmarket，the

ofA-sharetothatstockmarkethasexisted．

compared

premiumpriceofHongKonglong

Withtheofthenumber

backgroundcomprehensiveregistrationsystem，theincreasing

ofChinese··fundedlistedtOA·-sharemarkethas

HongKongcompaniesreturningplayed

aninA-shareissuancewhenthe

referenceroletheofconsidering

importantpricing

stockmarketviewofthesituationofA-share

HongKongprice．Inlong-standing

tOstockandinvestorsrefer

premiumcomparedHongKongmarket，companymanagers

tOtheStockConnectPremiumStock

HangSengShanghai-HongKongIndex(AH