【正文】 gth(X) M2(t)=(M1(t)+M1(t1)+M1(t2)+M1(t3)+M1(t4))/N。 % 二次移動平均法 end M2 a=2*M1(9:end)M2(9:end) b=2*(M1(9:end)M2(9:end))/(N1) T=1 y=a+b*T t1=1:length(X)。 t2=10:length(X)+1 plot(t1,X,39。+39。,t2,y,39。O39。) 0 5 10 15 20 25 30 35 40 4512131415161718時間收盤價 原始數(shù)據(jù)5 日二次移動法 利用 ARMA模型預測股票價格 【 例 712】 青島啤酒 2023年 2月 1日 4月 26日的交易日收盤價 ， 試用 ARMA模型預測未來一周的股票價格 。 日期 收盤價 日期 收盤價 日期 收盤價 日期 收盤價 日期 收盤價 21 226 314 330 417 19 22 227 315 42 418 25 228 316 43 419 26 31 319 44 420 27 32 320 45 423 20 28 35 321 46 424 29 17 36 322 49 425 212 37 323 410 426 213 38 326 411 427 214 39 327 412 430 215 312 328 413 216 313 329 416 （ 1）輸入數(shù)據(jù)，畫圖觀察平穩(wěn)性 X=[ ... ... ... ... ... ... ]39。 plot(1:length(X),X) 0 10 20 30 40 50 601 5 . 5161 6 . 5171 7 . 5181 8 . 5191 9 . 5202 0 . 5時間收盤價時序圖（ 2）從圖可知，非平穩(wěn)，所以需要做差分處理化成平穩(wěn)序列 Y=diff(X) %差分 figure(2) plot(1:length(Y),Y) 0 10 20 30 40 50 602 1 . 51 0 . 500 . 51時間差分值（ 3）利用自相關(guān)函數(shù)圖與偏相關(guān)函數(shù)圖判斷模型的類型與階次 figure(3) subplot(2,1,1) autocorr(Y) subplot(2,1,2) parcorr(Y) 結(jié)果如圖 714所示。 0 2 4 6 8 10 12 14 16 18 20 0 . 500 . 51LagSample AutocorrelationS a m p l e A u t o c o r r e l a t i o n F u n c t i o n ( A C F )0 2 4 6 8 10 12 14 16 18 20 0 . 500 . 51LagSample Partial AutocorrelationsS a m p l e P a r t i a l A u t o c o r r e l a t i o n F u n c t i o n（ 4）從圖可知，可確定為 AR(6)模型 Z=iddata(Y) m=arx(Z,6) （ 5）利用模型進行預測 L=5 %預測長度 y=[Y。zeros(L,1)]。 %加初始窗 p=iddata(y)。 P=predict(m,p,L) %預測但沒有顯示 G=get(P) %獲取預測值的全部結(jié)構(gòu)內(nèi)容 PT={1,1}(length(Y)+1:length(Y)+L,1) % 顯示未來一周 L=5預測值 D=[Y。PT] %全部差分值 X1=cumsum([X(1)。D]) %全部差分值的還原值 X2=X1(length(X)+1:end) %未來一周 L=5預測值的還原值 pare(m,Z,L) %顯示預測值與原始數(shù)據(jù)比較圖 故 4月 26日之后的五天，收盤價預測值分別為 、 、 。 0 10 20 30 40 50 602 1 . 51 0 . 500 . 51y1T i m e M e a s u r e d O u t p u t a n d 5 s t e p A h e a d P r e d i c t e d M o d e l O u t p u t M e a s u r e d O u t p u tm F i t : 2 . 3 7 3 %在上述求解過程中，程序中的第（ 3）步確定模型類型和階次時，也可用 AIC準則來判斷，具體程序修改為： %確定模型滯后長度上限 p和 q，因數(shù)據(jù)長度 T=55，取 T/10近似為 5 Z=iddata(X) %將 X轉(zhuǎn)化為 matlab接受的格式 test=[] for p=1:5 for q=1:5 m=armax(Z(1:55),[p,q]) AIC=aic(m) %armax(p,q),選擇對應 FPE最小， AIC值最小的模型 test=[test。p q AIC] end end for k=1:size(test,1) if test(k,3) == min(test(:,3)) %選擇 AIC值最小的模型 p_test = test(k,1) q_test = test(k,2) end end 結(jié)果如下： p_test = 4 q_test = 5 第（ 4）步， ARMA(4,5)模型，因此利用 ARMAX命令來擬合模型參數(shù)： m=armax(Z,[p_test q_test]) 第 （ 5） 步預測程序同上完全一樣 靜夜四無鄰，荒居舊業(yè)貧。 , March 28, 2023 雨中黃葉樹，燈下白頭人。 23:42:2423:42:2423:423/28/2023 11:42:24 PM 1以我獨沈久，愧君相見頻。 :42:2423:42Mar2328Mar23 1故人江海別，幾度隔山川。 23:42:2423:42:2423:42Tuesday, March 28, 2023 1乍見翻疑夢，相悲各問年。 :42:2423:42:24March 28, 2023 1他鄉(xiāng)生白發(fā)，舊國見青山。 2023年 3月 28日星期二 下午 11時 42分 24秒 23:42: 1比不了得就不比，得不到的就不要。 。 2023年 3月 下午 11時 42分 :42March 28, 2023 1行動出成果，工作出財富。 2023年 3月 28日星期二 11時 42分 24秒 23:42:2428 March 2023 1做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 下午 11時 42分 24秒 下午 11時 42分 23:42: 沒有失敗，只有暫時停止成功！。 , March 28, 2023 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 23:42:2423:42:2423:423/28/2023 11:42:24 PM 1成功就是日復一日那一點點小小努力的積累。 :42:2423:42Mar2328Mar23 1世間成事，不求其絕對圓滿，留一份不足，可得無限完美。 23:42:2423:42:2423:42Tuesday, March 28, 2023 1不知香積寺，數(shù)里入云峰。 :42:2423:42:24March 28, 2023 1意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 2023年 3月 28日星期二 下午 11時 42分 24秒 23:42: 1楚塞三湘接，荊門九派通。 。 2023年 3月 下午 11時 42分 :42March 28, 2023 1少年十五二十時，步行奪得胡馬騎。 2023年 3月 28日星期二 11時 42分 24秒 23:42:2428 March 2023 1空山新雨后，天氣晚來秋。 下午 11時 42分 24秒 下午 11時 42分 23:42: 楊柳散和風，青山澹吾慮。 , March 28, 2023 閱讀一切好書如同和過去最杰出的人談話。 23:42:2423:42:2423:423/28/2023 11:42:24 PM 1越是沒有本領的就越加自命不凡。 :42:2423:42Mar2328Mar23 1越是無能的人，越喜歡挑剔別人的錯兒。 23:42:2423:42:2423:42Tuesday, March 28, 2023 1知人者智，自知者明。勝人者有力，自勝者強。 :42:2423:42:24March 28, 2023 1意志堅強的人能把世界放在手中像泥塊一樣任意揉捏。 2023年 3月 28日星期二 下午 11時 42分 24秒 23:42: 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 2023年 3月 下午 11時 42分 :42March 28, 2023 1業(yè)余生活要有意義，不要越軌。 2023年 3月 28日星期二 11時 42分 24秒 23:42:2428 March 2023 1一個人即使已登上頂峰，也仍要自強不息。 下午 11時 42分 24秒 下午 11時 42分 23:42: MOMODA POWERPOINT Lorem ipsum dolor sit amet, consectetur adipiscing elit. Fusce id urna blandit, eleifend nulla ac, fringilla purus. Nulla iaculis tempor felis ut cursus. 感謝您的下載觀看 專家告訴