（一）研究目的
从2010年5月6日美国股市中埃森哲的股价在一天之内从42.17美元暴跌至接近于零的异常事件中，可以看出明星股暴跌引致行业板块甚至股市整体暴跌的情形，可以推断市场存在明显的激荡效应，国内也存在类似的板块轮动现象。
可见针对暴涨与暴跌的蔓延性，我们有必要利用众多因素来进行分析评判市场波动的影响因素，可以从中构建暴涨暴跌预替指数，特别是针对专业性大型投资者交易预警指数。结合上文所实证分析的投资者交易行为对市场暴涨暴跌的影响来看，有必要对投资者行为以及其他主要影响因素进行全面的分析，那么我们就对此试图设计一个监控市场波动的指标框架，以便及时采取措施来缓解投资者行为以及其他因素对市场波动的过度冲击。
（二）研究方法
由于二级市场中影响因素众多，所以在这里我们采用多种综合指标体系对市场波动的监控指标。常用方法有综合指数法、因子分析、聚类分析、层次分析法等多种评价方法。我们主要采用主成分因子分析方法，并运用SPSS12.0进行了数据处理。因子分析法（factor analysis）是近几年来较流行的多元变量统计方法，能够综合分析出多个指标的公共因素；其给出的定量的综合评价结果，可以清晰地表明影响市场波动因素间的相关性。
因子分析是从变量的相关矩阵出发将一个二维的随机向量X分解成低于m个且有代表性的公因子和一个特殊的m维向量，使其公因子数取得最佳的个数，从而使对；m维随机向量的研究转化成对较少个数的公因子的研究。
因子分析只强调变量的离差（变化量），而不强调变量在样品中的比重（百分含量）。在因子分析的数学模型中，通过正交的方差最大旋转法使每一个主因子只与最少个数的变量有相关关系，而使足够多的因子负荷均很小。变量或因子的重要程度都是以其方差大小来衡量的。因子旋转后每个变量因子负荷代表着在系统中作用或重要性程度，以各个变量目标因子载荷平方与因子方差贡献率乘积作为变量的权重，在一个时间阶段中构成判别对市场异动影响主要因素的综合指标。
（三）实证与检验
我们首先进行KMO与与Bartlett's检验，分析所选因素是否能够采用因子分析。
所选指标KMO值为0.678，大于0.5，可见指标间的偏相关性很弱，适合做因子分析；从结果看，自由度为300，所选指标的Bartlett球形检验拒绝了单位相关阵的原假设（Bartlett球体测验显著程度小于0.001），即相关矩阵不是单位矩阵，所选股市异动影响因素评价指标体系适合做因子分析。
我们再计算各指标体系的因子值，由于在原始的因子载荷矩阵中，各因子的典型变量代表性通常不是很突出，因而不便于对因子进行解释。所以，需对因子载荷矩阵施行旋转，使因子载荷的平方按列向0或1两极分化，使大的载荷更大，小的载荷更小。
通过正交旋转后的因子载荷矩阵中对应因子的系数来选择公因子的归属类型，并说明这四个主因子所提取的信息。从上面这些式子中我们可以概括出：F1代表了投资者情绪因素，F2代表了公司股票技术面因素，F3代表交易动能因素，F4为宏观与公司基本面因素。以各自的贡献率作为主因子的权重，计算股市异动的综合指标得分F。
可以通过持续不断的分析这个综合性评估指标，并指数化来构建预警指标，从而来科学判断市场暴涨暴跌的主因素，来发现市场主要波动来源并能及时采取措施来针对性防范市场异动。
