隨機過程及其應用結(jié)課論文基于時間序列分析的股票預測模型研究-資料下載頁
2025-06-04 22:07本頁面
【正文】 ： ???????????????? ?? ?????piqjjtjititttttttthhehxxtfx1 1221 ),(??????? ARCH 模型實質(zhì)上是使用誤差平方和序列的 q 階移 動平均擬合當期異方差函數(shù)值。對于移動平均模型來講，因為其自相關系數(shù) q 階截尾，那么可以得出 ARCH 模型對異方差函數(shù)的短期自相關還是比較適合的。 5 基于時間序列分析的股票預測模型的實證分析 11 5 基于時間序列分析的股票預測模型的實證分析 關于樣本數(shù)據(jù)的描述與調(diào)整 原始數(shù)據(jù)，也就是沒有經(jīng)過任何清洗的數(shù)據(jù)。本章所做研究的數(shù)據(jù)為美國道瓊斯指數(shù)的收盤價，因為美國的證劵歷史悠久，數(shù)據(jù)來源豐富，有比較好的預測價值。 原始數(shù)據(jù)為 2021 年 6 月 4 日到 2021 年 5 月 19 日美國證交所公布的道瓊斯指數(shù)的收盤價，數(shù)據(jù)來源 RESSET 金融研究數(shù)據(jù)庫 。 將原始數(shù)據(jù)分為兩部分，一部分作為訓練數(shù)據(jù)，另一部分作為檢驗數(shù)據(jù)。首先根據(jù)試訓練據(jù)建立時間序列模型，進行預測行為；然后對預測數(shù)據(jù)與檢驗數(shù)據(jù)進行比較，分析誤差，優(yōu)化模型。 原始序列為下圖所示： 分析上面的圖像可知這是一個非平穩(wěn)的時間序列，需要對此進行差分，一階差分后的序列為： 觀察差分后的序列，可以主觀上近似的認為該序列是平穩(wěn)的時間序列，在客觀上，我們利用 SAS/ETS 對此序列計算自相關系數(shù)與偏自相關系數(shù)，結(jié)果如下圖所示： 5 基于時間序列分析的股票預測模型的實證分析 12 5 基于時間序列分析的股票預測模型的實證分析 13 并分析白噪聲序列： 對于延遲 6 步和 12 步來說， ? ? ?? ChiSqp （設置閾值為 ），則知對于差分后的序列為非白噪聲序列，即該序列中隱含有效的信息，可繼續(xù)對此序列進行分析。 經(jīng)觀察可建立 ARIMA( 2,1,2)模型，結(jié)合模型參數(shù)顯著性分析，其檢驗結(jié)果為： 由于 ARIMA( 2,1,2)模型不顯著，故可以將模型改為 ARIMA( 2,1,1),此時模型顯著性分析為： 即模型顯著。 模型參數(shù)檢驗為： 5 基于時間序列分析的股票預測模型的實證分析 14 即模型參數(shù)顯著。 所以一階差分后的序列表達式為： 121 8 2 7 1 2 1 2 5 1 4 ??? ???? ttttt xxx ?? 利用此模型對道瓊斯指數(shù)進行 10 步預測，可以得到： 其趨勢圖為下圖所示： 其中藍線表示原序列圖，紅線表示預測的序列圖，上下綠線表示 95 %的置信區(qū)間。可以分析出，紅線序列圖有下降的趨勢，這樣對股票投資者有一定的參考價值（即規(guī)避風險）。 5 基于時間序列分析的股票預測模型的實證分析 15 結(jié)論 通過以上的實證分析研究發(fā)現(xiàn)時間序列分析方法確實是研究股票指數(shù)的一種非常好的方法，時間序列分析方法的目的就是分析時間序列之間的規(guī)律，以期找到預測和決 策的依據(jù)。 本章采用的時間序列的分析方法不僅考察了股票指數(shù)的收盤價的過去值與當前值的關系，同時對模型同擬合產(chǎn)生的誤差也作為重要因素進入模型，有利于提高精度；其次可以用來描述任何非平穩(wěn)的時間序列模型；再次，可以很好的描述時間序列的短期相關性；第四，利用 SAS/ETS 模塊對股票數(shù)據(jù)進行統(tǒng)計分析很好地克服了統(tǒng)計模型中解釋變量多的缺點。本章正是基于較為成熟的時間序列分析理論的分析、總結(jié)的基礎上對美國證券的道瓊斯指數(shù)進行實證分析，找出它們是否有長期穩(wěn)定的關系，從而給出一定意義的預測分析。 本章中的模型都很好地 模擬了時間序列，也具備了很好的預測效果。但是發(fā)現(xiàn)隨著預測步長的增加，預測的精度會出現(xiàn)不同程度的下降，而且如果時間序列值發(fā)生變化的話，模型的結(jié)構(gòu)和模型的參數(shù)值也會相應的發(fā)生改變，這說明股票價格趨勢的波動模式具有易變性與短期穩(wěn)定性，即模型對樣本具有敏感性。 由于模型是基于局部數(shù)據(jù)進行建立并進行預測，不能技術反映股票市場最新的狀況，即不能做到及時更新金融數(shù)據(jù)的及時更新，如果我們可以隨時將股票市場的數(shù)據(jù)輸入，就可以做到及時更新的情況，就可以很方便快捷的為決策者提供相應的決策支持服務。另一方面，由于模型的表達式中變 量比較多，擬合優(yōu)度可能會因為差分而損失掉，這也是時間序列分析理論的固有缺陷之一。 基于時間序列分析的股票預測模型研究 16 參考文獻 [1]Gee ,嵐譯 .時間序列分析預測與控制（第三版） .國統(tǒng)計出版社 ,2021 [2]王振龍 .時間序列分析 [M].北京：中國統(tǒng)計出版社， 2021 [3] Peter ,田錚譯 .時間序列的理論與方法（第二版） .高等教育出版社 .2021 [4]臧玉衛(wèi) ,張慎 ,吳育華 .中國股票市場的非線性分析 [J].天津大學學報 (社會科學 ,2021,（ 6） :3437P. [5]Terence ，俞卓菁譯 .金融時間序列的經(jīng)濟計量模型（第二版） .經(jīng)濟科學出版社 ,2021 [6]楊一文，劉忠貴 .基于神經(jīng)網(wǎng)絡、多分辨分析和動力學重建理論的股市趨勢預測 [J]系統(tǒng)工程理論與實踐， 2021 [7]John R. A modified bathtub curve with Latent Failures, Proceedings Annual Reliability and Maintainability Symposium,1995 [8]Durrleman V, Noleghbali A, Roncalli T. Which Copula is the right one. 2021 [9]Genest C, Rivest. Statistical Inference Procedures for Binvariate Archimedean of American Statistical Association, 88(423), 10341043P. [10]張世英 .協(xié)整理論與波動模型 :金融時間序列分析及應用 ,清華 大學出版社 ,2021 [11]馬薇 .協(xié)整理論與應用 [M].21 世紀數(shù)量經(jīng)濟學方法論與應用叢書 ,南開大學出版社 ,2021 [12]靳庭良 .單位根檢驗程序的改進研究 [M].西南財經(jīng)大學出版社 ,2021 [13]董言治 .基于 Matlab 的時間序列分析與動態(tài)數(shù)據(jù)建模 [J].計算機工程 ,1999,(4) [14]李育安 .如何用 SAS 產(chǎn)生時間序列數(shù)據(jù) [J].工作視點 ,2021,(3):43— 46P. [15]王燕 .應用時間序列分析 [M].北京：中國人民大學出版社， 2021 [16]朱世武 .基于 SAS 系 統(tǒng)的金融計算 [M].北京：清華大學出版社 ,2021
畢業(yè)設計相關推薦
鄂ICP備17016276號-1