2023年信息熵理论在证券投资的应用.docx

信息熵理论在证券投资的应用 ：随着经济社会的进展与生活水平的提升，民众手中的剩余资金渐渐增多，纷纷开头进行证券投资，使证券市场获得了长远持续的进展。但证券市场具有较强的风险性，越来越多的从业人员开头思考如何有效降低证券投资风险。鉴于此，文章先是阐述了什么是信息熵理论，探究了证券投资的信息来源及信息在证券投资中的重要作用，具体争辩了信息熵理论在证券投资中的应用，供相关人员进行借鉴与参考。 关键词：信息熵；证券投资；应用 从数学角度讲，信息熵是一个抽象的概念，简洁来说就是一个特定信息在离散随机大事中消逝的概率。假设一个系统是有序的，它的熵很低，假设一个系统是混沌的，它的熵很高。信息熵和信息相关，并且可以量化，一般状况下证券股票的投资涨跌是不确定的，而群众所猎取的信息对股票的涨跌存在确定的关联，但是关联性较小，信息熵就是确定信息量和事情不确定性变化关系之间的量，因此，信息熵是衡量一个系统是否有序的度量单位。信息熵的符号应当与热力学熵相反。信息的破坏符合热力学其次定律。信息的破坏是一个不行逆的过程，信息的产生是一个将负熵引入系统的过程，当一种信息有更高的消逝概率时，说明它传播得更广。从信息传播的角度来看，就是其被引用的程度更高。这样我们就有了一个衡量信息价值凹凸的标准。基于此，本文重点分析了信息熵是什么，并论述在证券投资过程中，应当怎么样利用信息熵优化投资管理。 一、信息熵 〔一〕信息熵的概念 熵是用来表示分子状态无序程度的物理量。它的概念来源于热力学，是系统可能状态数的对数值。对于任何孤立物理系统的演化，热熵只能增加，信息熵只能削减，任何系统都必需增加热熵来补偿信息。信息熵的单位与公式中对数的底部有关。理论推导中常用e作为基数，但也可以使用其他基数和单位。一般来说，当一种信息有较多主体消逝概率时，说明它传播的范围更广。在信息论中，信息源的输出是一个随机量，H(x)=H(P1，P2，…，Pn)，P(xi)，I=1，2，…，P。H(x)=-P(xi)logP(xi)。信息熵的定义在于，信息量是所传输信息的代价，这个代价是和最终的概率相挂钩的，大事发生的概率越高，所带有的信息熵越低，换言之，假设是“太阳从东边升起〞这样确实定大事，那么认为根本没有消退可能性的必要，但是在证券投资中大局部的内容都是需要确定其信息熵的，也就是确定信息的不确定性。确定性过程是数学中常见的现象。众所周知，函数的迭代过程是确定性的，由于下一个迭代点是由当前的迭代点唯一确定的。比方混沌中有名的logistic模型f(x)=4x(1-x)，当x等于0.1时，函数值确定是0.36。同样，一个微分方程初值问题的解是确定性的，解在任意时刻的值是唯一确定的数。然而，就像确定性现象一样，随机现象在自然界中随处可见。孩子们喜爱猜硬币的正反两面:在桌子上旋转一枚五分的扁平硬币，然后把它倒过来，用手按住，猜硬币是面朝上还是面朝下。硬币旋转100圈后面朝上与硬币旋转101圈后面朝上的概率是一样的:1/2，这是典型的随机性，意味着测试结果不确定。从历史上看，锥顶外形的物体不管怎么旋转，它最终停下来的时候总会尖朝下站立，也就是说，它总会面朝上。这是确定性的一个例子—旋转的结果是可猜测的。人们意识到，随机性的历史可能比数学史本身更长，甚至等于人类的历史，生儿生女就是一个不行猜测的随机大事。不确定性作为自然界的一个根本属性，如何用数学语言来描述它—“熵是对不确定性的一种优秀的数学描述〞。 〔二〕信息熵的特点 H〔x〕满足以下三个条件：连续性：H〔P，1-p〕是P的连续函数；对称性：H〔P1，…，Pn〕与P1，…，Pn的阶无关；可加性：假设pn=Q1+Q2>0，必定存在以下唯一表达式：HP1，…。信息熵需要满足上述特征。为了具有信息参考价值，还需要具有：〔1〕上凸性：当0λ1时，λh(p)+(1-λ)h(q)h〔λp+(1-λ)q〕；〔2〕可扩展性：HN；〔3〕非负性：H(P1，…，Pn)≥0；〔4〕确定性：H(1，0)=h(0，1)，当最小值为0时；〔5〕极端性；当q(xi)=1时，P(xi)logP(xi)≤P(xi)logQ(xi)。信息熵是用来衡量一个问题或大事〔以下简称大事〕对于特定主体的不确定性。信息熵值越高，对应大事的主体不确定性越大。信息熵值越小，确定性越高。假设一个大事的信息熵对于某个人来说是0，那么就意味着对应大事对于他来说是完全确定的。通常，收到的信息包含“不确定性〞，这其中的“不确定性〞和大事的发生可能性相关，如，太阳东升西落这件事情就是确定的也是牢靠的。当我们收到一个不确定的信息时，我们预备好衡量这个信息的牢靠性，同时建立另一个新的大事。当我们衡量这些“信息〞的不确定性时，其实是衡量“信息牢靠性〞这个“新大事〞的不确定性，需要进一步介绍，当我们衡量一条信息是否牢靠时，其实是在构造一个新大事。我们可以说某个大事的信息熵有多少，但不能说某个信息的信息熵有多少。薛定谔曾经说过：生命靠负熵而存在。也就是说，从生理学的角度来看，生命是摄取低熵值的食物，排出高熵值的排泄物，从而降低体内整体熵值，对抗自然熵增加的过程。从这个角度来看，猎取信息的行为就像是人体猎取食物。 〔三〕最大熵 在信息论中，当一个大事的各个微观状态的发生概率相等时，整个大事处于“最大熵〞状态。比方选择的四个答案都是25%的等概率时，这个问题的不确定性最高，也就是这个时候信息熵最大。其中一个答案的正确率是30%，那么明显这个问题的不确定性对你来说是比拟低的，就是信息熵的值变小了。最大熵模型可用于“最大熵〞。当没有牢靠的信息来降低大事的不确定性时，应保持其全部的不确定性，使大事的信息熵最大化，不要依据主观猜测或无效噪声来调整概率，这样结果不好。在不确定的决策面前，不要参加太多的主观猜测，要敬重和保存全部的不确定性。在很多在线搜寻的产品中，比方机器翻译，就是直接或间接使用最大熵模型。一般来说，最大熵模型中的“特征〞是指输入和输出的共同特征。最大熵模型中的每个特征都会有一个权重，这个权重可以理解为输入和输出是如何趋于同时消逝的。我们可以以多种类型的规律回归为例，一般来说，每个输入数据表示为一个n维向量，可以看作n个特征。在该模型中，每个类别有N个权重，这些权重乘以N个特征，然后由softmax求和，表示输入数据被划分到该类别的概率。从最大熵模型来看，每一个输入的n个“特征〞和K个类别构成了NK特征，模型中有NK权重，与特征一一对应。每个类别都会触发n个NK特征，这n个特征的加权代表了通过softmax将输入分为不同类别的概率。 二、证券投资的信息来源 股票投资的信息来源广泛，而金融投资的过程中，有独家的内部消息，加上自身的本金支持，那么可以获得较为丰厚的利益，而很多投资者并不能区分消息，并且利用好消息。一般来说，证券投资市场的信息来源主要有以下几种，第一种是从政府部门猎取信息，作为国家宏观经济政策的制定者，我国政府会依据实际状况，从总体上对股票证券投资市场产生的影响进行宏观上的调控；其次是证券交易所，在证券交易所中，能对股票证券投资进行集中交易的组织和监督，我们能获得的是股票证券投资的第一手信息,由于证券交易所需要公布证券市场的行情，并确定成交状况报表，因此这也是一种特殊重要的信息来源；第三种是中国证券业协会，这是一个社会团体组织，也会定期发放相关的重要信息；第四种是证券登记结算公司，由于此类公司主要进行集中登记存管和结算证券交易的相关效劳，所以也会接手新一手的信息，公司作为经营主体，需要对投资者负责，而经营状况的好坏在股市中反映影响着股民的实际收益，因此对于股民来说，这一信息几乎是确定股票价值的推断来源；第五种是中介机构，另外，还可以通过专家访谈、实地调研和市场调查等渠道猎取信息，假设有朋友或家庭成员从事相关工作的话，也可以通过他们猎取相关的信息。 三、信息在证券投资中重要性 证券投资领域具有目的性明确的特点，购置证券的最大理由就是由于可以通过证券为其获利。因此为了保障证券投资市场的稳定性，就需要“把鸡蛋放到不同篮子里〞，放鸡蛋的依据就是投资的信息。组合投资的方法有两种:一种是传统的组合投资方法，其次种是基于现代证券投资理论的现资组合方法，前者就是在投资者确定投资目标后进行科学合理的分析，选择适宜的证券品种和交易量构建适宜的组合，实时监控和调整操作效率，以保证组合收益目标的实现；后者即依据每种证券的历史数据来考察每种证券的收益和风险以及它们之间的关系。实际的投资过程中，最主要的就是正确地推断商业状况和预见将来，假设在进展空间足够且竞争优势巨大，并且企业治理高效的前提之下，这样的投资是完全合理的，而信息的搜集和解读就是了解以上全方位信息的主要工作，尽管目前信息时代猎取信息的途径多种多样，并且很多信息都是公开的，但是只有正确的处理信息，才能战胜市场。不同的人对信息的处理睬有不同的操作，同样的信息也会产生千差万别的处理结果。在实际的证券投资过程中，公开同样的信息也会产生完全相反的两种观点，这也是影响投资交易快速进行的主要因素，例犹如样一个公司的一份年报，在业绩发生变化的影响之下，有的人会理解成为经济形势严峻而影响其将来的收益，也有的投资者认为是短期的正常变化，不同的信息处理睬对投资人的实际收益产生巨大的影响，甚至可能血本无归。因此，信息在实际的股票证券投资过程中产生的作用是特殊重大的，而股票投资过程中信息的区分和处理，也起到了根底性的作用，因此只有做好信息的处理，才能科学猜测将来股票证券市场的变化，为提升相应的投资效能做好铺垫。 四、信息熵在证券投资市场中的应用 〔一〕确定重点 信息熵是一种占有信息多少的数据，确定了投资的绩效。有效的信息是负熵，但是假设所获得的信息会影响信息猎取的精确     性，那么也是不行抗力对熵的影响降低，就是让所把握的信息降低决策者的不确定性。但是市场上的投资者其所拥有的信息量是相差不大的，把握信息量的大小当然重要，加工信息的力量才是最重要的，设函数Y=f〔x〕是信息熵的计算公式，f是我们运用大脑对这些信息进行加工处理，这在信息熵的应用中是特殊重要的，x=g(z)，把函数Y=f〔x〕再进一步分解成Y=f〔g(z)〕,g就是推断什么信息是重要的，因此要确定好工作重点，才能够事半功倍。确定证券投资中的风险范围，其必要性是大于投资本身的，但是从本质上说，假设不能由于信息熵而确定投资方向，那么这样的推断是无效的，假设不能由于投资决策降低风险，这样的重点确定也是存在问题的。 〔二〕主体信息 证券市场的投资主体有两类，个人投资者分布最广泛，而机构投资者有大量的自用资金进行专业的证券投资活动。在股票证券市场中，应当做好信息的搜集及推断，什么信息是重要的信息？在如今信息时代之下，信息多样化和简洁化也给实际的股票证券投资推断产生了确定的影响，在投资体系确定之下，应当进行高层次的信息处理，并且做好理论、实践的思考及验证，尽可能多收集相关企业长期猎取价值的重要信息，同时重视宏观经济对将来投资市场的影响，通过多样化的信息搜集渠道，不断完善自身的信息储藏，从而起到优化股票投资的作用。对于人们想把握其规律的股市，我们只能观看股票的一些根本数据，比方股票的开盘价和收盘价、成交量等等。利用这些根底数据直接猜测股价的涨跌是可行的，但猜测结果往往不抱负。这是由于在股市中，根本面数据和股价之间可能存在某种隐性关系，依据数据集的特点对数据进行划分，最终得到完整的决策树。但是正是由于这个特点，决策树算法简洁受到攻击。基于最大熵原理可以提高决策的全面性。股市的数据比拟简洁，很多根本面数据关联度高，数据简洁度高，数据之间有很多可以探究的规律。最大熵原理可以找到唯一满足多个规章的最优模型，正好弥补了观测序列值必需独立的缺陷。 〔三〕做好信息的处理 信息处理的微妙差异会确定投资市场的规