基于arma模型民生股份预测

《基于arma模型民生股份预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、....华北科技学院课程设计说明书班级:计算B102姓名:张晓剑(201009014220)设计题目:___基于ARMA模型的民生股份预测设计时间:2013.1.7至2013.1.11指导教师:谭立云评语:___________________________________________________________________________________________________________________________________________________

2、__________________________________________________评阅成绩:＿＿＿＿评阅教师:＿＿＿＿＿........目录设计总说明II第1章绪论2第2章理论基础22.1ARMA模型22.2时间序列分析的工具和方法21）ARMA模型的定阶方法22）ARMA模型的平稳性检验方法——ADF检验32.3ARMA模型的建模步骤3第3章计量模型43.1原始数据的平稳化处理43.2模型识别和建立53.3残差检验7第4章总结9参考文献10附录11........设计总说明A

3、RMA模型（Auto-RegressiveandMovingAverageModel）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。ARMA模型的基本原理是将预测指标随时间推移而形成的数据序列看作是一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性，可以用相应的数学模型近似描述。通过该数学模型的分析研究，能够更本质的认识时间序列的结构与特征，达到最小方差意义下的最优预测。本文利用时间序列的ARMA建模思想，对民生股份

4、的开盘价这一时间序列进行建模和实证分析，通过对样本序列的平稳性判别，对模型的判别，通过t检验和AIC原则选择p、q，最后，选取不同的p、q值，通过参数的估计值建立相应的模型并计算出序列短期的点预测并进行比较，选取误差最小，拟合较好的模型最为民生股份预测的模型，在整个建模的过程中，通过EViews6软件得到模型并有较高的拟合精度。综上所述，ARMA模型较好的解决了非平稳时间序列的建模问题并应用于金融等时间序列问题的研究和预测中，为决策者和投资者提供了很好的指导。关键词：民生股份；ARMA模型；预测

5、；EViews6........第1章绪论本课程设计是在学习了《计量经济学》课程后，通过对理论的熟悉和用EViews6软件处理计量问题的应用，培养独立的完成对相关课题或者项目的分析能力、设计能力和处理能力。这次的课程设计不再像平时计量实验学习中只需练习老师上课讲过的步骤，学会操作的步骤就行，而是用软件解决实际问题，选择合适的处理方法实现实际问题的分析和预测，所以首先需要找到相关数据来描述实际问题，然后对数据进行处理，建立相关模型，对模型进行可行性分析，并进行预测，这是这次课程设的过程，也是我们在

6、建立计量模型中必须学会的过程。在这次课程设计中，我选择的是用计量模型中常用的一种对非平稳时间序列进行处理和预测的ARMA模型处理对民生股份开盘价及其预测问题。首先通过单位根检验对民生股份的开盘价进行平稳性检验，得到原序列不平稳而一阶序列平稳的结论，然后对一阶序列进行模型的识别，由于一阶序列的自相关和偏自相关函数都是拖尾的，故需要建立ARMA模型，分别选取AR(7),MA（7）,MA(12)表示dx和AR(7),MA（7）表示dx来进行对比，模型中的变量都可以通过t检验，残差序列也都是白噪声序列，

7、说明这两个模型都是比较好的，故分别选择前面123个数据通过OLS建立模型，建立模型并对最后的3个数据进行预测，将预测值和真实值进行比较可以发现第二个模型虽然误差比第一个模型的稍小，但AIC和SC较小，可决系数也加大，故选取第二个模型作为民生股份的预测模型，通过此模型来预测民生股份的开盘价，具有很好的现实意义。这次的课程设计着重培养的是自学能力以及独立分析信息的能力，用来丰富自己的知识并且提高对计量模型的熟悉和EViews6软件的实际操作能力。通过这次的课程设计，使我们对已经学习过的计量课程有了进

8、一步的掌握，对知识进行了最大程度的消化和融会贯通。因此这次的课程设计对我们来说具有非常重要的意义。........第2章理论基础2.1ARMA模型ARMA(p,q)模型是由美国统计学家BoxGEP和英国统计学家jienkinsGM在二十世界七十年代提出的时间序列分析模型，即自回归移动平均模型。一般的ARMA（p,q）模型的形式可以代表为：Ut=Φ0+Φ1ut-1+……+Φput-p+εt—θ1εt-1—……—θqεt-q式中：{Ɛt}是白噪声序列，p和q都是非负数。AR和MA模型都是ARMA（p