从根本上说,股票市场指数的变化不是由一个国家的经济状况的变化引起的,而是股票市场指数的变化直接是由投资于股票市场的投资者做出决定造成的。这个世界上的每个股票市场至少有三种类型的投资者,包括机构投资者，外国投资者和个人投资者。根据过去的研究,他们的结果表明,大多数个人投资者在股票投资中损失了他们的钱,总是做出错误的决定。因此,作者怀疑,如果我们与大多数个人投资者作出相反的决定,这一相反的决定可以帮助我们提高股票投资的效率。因此,本研究的目的是通过建立回归方程模型,找出股票指数变动与多数投资者决策之间的关系,证明模型的估计效率,并衡量在实际股票市场中使用模型的盈利能力。
　　在本研究中,作者利用个人投资者累计净交易价值的变化,代表了大多数个人投资者的决策,并利用泰国股票市场五年来的历史数据建立了同期模型,用于找出股票指数变动与个人投资者累计净交易价值的变化之间的关系，和不同的周期模型，用于预测未来股票指数的变化。目前的股票数据将用于计算误差估计和寻找最合适的模型。在实际股票市场投资中,采用现有的股票数据进行实证分析,将其收益率与美元成本平均技术的回报率进行比较。
　　研究结果表明,在95%的置信水平下每种模型的t检验值，相关系数值和回归系数值都是负值。关于独立变量在不同周期模型中的作用,随应变量数据收集时间的增加,回归系数的减小幅度越大。利用7天内个人投资者累计净交易价值的变化作为独立变量来估计7天内股指的变化,预测未来14天股票指数的变化,与其他模型相比,误差较低于其他模型。关于盈利能力,利用这项研究的回归模型来帮助个人投资者选择买入和卖出点比使用一美元成本平均技术提供更低的回报率,但在横向市场上使用研究的回归模型选择买卖点数将带来比使用美元成本平均技术更大的回报。
　　从实证上来说,个人投资者累积净交易价值的变化与股票指数的变化之间的关系总是相反的。在趋势预测的条件下,模型得到了满意的结果。最后,若在股票市场上是一个横向趋势，利用这种关系来帮助选择买入和卖出点将是最合适的应用模型。