关于股票收益率预测研究,是一个很庞大的课题,在不同目的引导下会有多种不同的研究角度。本文的写作是基于投资者方面对股票收益率进行预测分析,笔者希望通过对历史数据的挖掘,用人工神经网络方法对历史数据进行模拟分析,对一些市场现象和变化进行解释。首先,本文介绍了国内外股票收益率及其预测的研究现状,对股票收益率及其预测的发展进行了简单分析;然后介绍了股票收益率及其预测的研究方法,为下面的实证分析研究奠定理论基础。其次,从理论上对股票收益率影响因素进行分析,首先分析F-F“三因素模型”对股票收益率的分析和预测,“三因素模型”主要是描述市场因素、规模因素、帐面市场权益因素对股票收益率的影响;随后分析交易量、政策及国内外经济对股票收益率的影响。再次,利用人工神经网络的研究方法,以Fama和French的“三因素模型”为基础,并在此基础上改进模型,加入交易量和总风险系数作为自变量,即β风险系数、σ2总风险系数、规模、收益价格比和交易量作为自变量。文中分析涉及的五个基础变量,都是通过采集CSMAR数据库,运用微软的EXCEL进行数据整理和初步计算,然后导入到MATLAB软件中的神经网络工具箱建立网络进行模拟实证分析,接着预测研究各影响因素与股票收益率的关系,从而为股票收益率预测提供了研究思路。最后,采集上证各行业具有代表性的权重股,利用MATLAB软件进行实证分析得出:对股票收益率影响最大的是收益价格比和交易量,总风险系数和规模次之,β系数的影响最小。根据结论给出了投资者和监管部门的相关建议,建议投资者根据各个影响因素的大小选取适当投资对象,建议监管部门加强管理,以期为投资者提高投资回报率,为投资者实际投资提供理论指导。