在进行深入的知识点梳理之前，首先需要明确证券市场中的权证概念及其相关特征。权证（Warrants），是一种指标的证券发行人或其他以外第三人发行的金融衍生工具，它赋予持有人在规定的时间或特定到期日，以约定价格购买或出售标的证券的权利。权证实质上是一种期权（Option），分为认购权证和认沽权证两种。认购权证相当于看涨期权，而认沽权证则相当于看跌期权。
中国证券市场上的权证价格波动较大，具有较高的溢价和投机性，这是由于市场利率和分红派息的影响相对较小（因利率较稳定，权证产品期限短），同时还受到历史价格、成交量、羊群效应和杠杆效应的影响。这些影响因素对于权证价格的影响程度在实证分析中需要详细探究。
神经网络作为一种强大的数据分析工具，能够逼近任意非线性连续函数，广泛应用于模式识别、数据处理、自动控制和经济预测分析等领域。尤其是多层BP（Back Propagation）神经网络在证券价格预测方面显示出很好的效果。BP神经网络利用梯度下降法，通过误差的向后传播来修正网络权重，从而最小化输出误差。该方法通过设定最小误差，可以得到预期的输出结果。
在本文中，影响权证价格的主要因素包括：权证的行权价格、正股价格、成交量、权利期间、正股波动率以及溢价（权证价格与内在价值之差）。其中，溢价可以看作是权证的时间价值。本文选取了正股价格和权证行权价格、权证价格和成交量、权利期间、正股波动率以及溢价等变量，并运用Kolmogorov定理确定神经网络中间层的神经元数目，同时采用S型正切函数和纯线性函数作为中间层和输出层的神经元传递函数。
在利用神经网络进行实证分析时，需要对数据进行数学化表达，例如权证的内在价值计算，即标的证券市场价格减去权证行权价格，其结果若为正数，则为权证的内在价值，若小于或等于零，则通常不计入分析范围。而正股的波动率一般通过GARCH（Generalized Autoregressive Conditional Heteroskedasticity）模型计算得到，这是分析金融时间序列数据波动性的常用模型。
对于中国证券市场特有的羊群效应和杠杆效应，前者指投资者在决策时倾向于模仿他人的行为，后者指投资者使用借贷资金增加投资以放大潜在的回报。这些效应的实证研究表明它们对证券价格走势有重要影响。羊群效应使得市场在某些情况下的价格走势缺乏理性的独立判断，而杠杆效应则放大了价格波动，这些在权证市场中同样有所体现。
总结来说，通过神经网络模型对中国证券市场上影响权证价格的因素进行实证分析，不仅需要关注传统的因素，如正股价格、行权价格、市场利率等，还要综合考虑中国市场的特点，如羊群效应、杠杆效应、以及投机和从众行为等因素。这些因素的综合分析有助于更准确地预测权证价格走势，从而为投资者提供决策参考，也为市场监管者提供了监管权证市场的依据。同时，这项研究也揭示了中国证券市场中的非理性投资特征和市场风险，有助于推动市场向更加成熟和理性的方向发展。
