基于时间序列分析股票上证指数走势.pdf

《基于时间序列分析股票上证指数走势.pdf》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、总第556期管理观察2014年10月第29期ManagementObserver中旬出版基于时间序列分析股票上证指数走势耿娟娟，孙菊芳(西南石油大学理学院，四川成都610500)摘要：本文应用时间序列对上证指数历史数据进行研究分析，并建立预测模型，以研究2014年上证指数的变化规律。利用统计分析软件分别对其开盘价格进行分析，应用时间序列分析方法建立模型对上证指数作预测分析,以得出接近真实值的预测值,并对模型进行检验，证明有效后,对未来数据进行短期预测。关键词：时间序列分析上证指数ARIMA(p,d,q)模型预测1.引言的分析,即直观分析，特征分析和相关分析。2.

2、1.1原始数据序列的平稳性检验“炒股票”是人们日常生活中一种非常常见的活动，（1）序列图直观检验但是受多种不确定因素的影响，股票价格往往随时间的绘制原始数据（见表1）序列open的序列图，如图2-1变化而变化，导致股市呈现出随机性和非线性的波动趋所示：势，这无疑给投资者们带来巨大的投资风险。本文以上从序列图直观分析，可以看出序列不符合零均值同证指数的历史数据为研究对象，分析并对其建立ARIMA方差的特征，初步判断序列不平稳。模型。对所建立的模型进行检验和参数估计，检验其适2.1.2原始数据序列平稳化处理。通过各种数据处应性以找到更优化的模型。应用模型对上证指数数

3、据进理方法将数据的非平稳特性从序列中分离出来，将其转行分析和预测，对2014年的上证指数的趋势走向进行分为平稳的时间序列。析说明。对原序列open进行一阶差分，生成一阶差分序列open1，其序列图如图2-2所示：2.数据的选取和预处理以及建立ARIMA模型2.1数据预处理对于时间序列的预处理主要是对数据进行三个方面图2-2一阶差分序列时序图Open1序列的时间序列图始终围绕一个常数值波动，因此可以认为该序列是平稳序列。2.2建立ARIMA模型图2-1开盘价格原始数据序列图（1）模型的初步识别和定阶。由原始数据的分析与基金项目：国家自然科学基金资助项目（61202

4、045）·96·10中黑白.indd962014-10-2417:08:15财经管理处理可知，2013年9月1日至2014年4月14日上证指数的开盘价格数据时间序列是一个非平稳的时间序列，但是一阶差分后序列满足平稳性，故可以使用ARIMA（p,d,q）模型对其进行拟合。根据自相关图和偏相关图，可以看出，自相关系数和偏相关系数都是拖尾的，则open1为ARMA(p,q)序列。初步确定适合阶数p的取值为3、6，适合阶数q的取值也为3、6。ARIMA模型组合共有四组：ARIMA（3,1,3），ARIMA（3,1,6），ARIMA（6,1,3），图2-4模型的拟合效果图

5、ARIMA（6,1,6）。（2）模型的适应性检验。即检验残差序列是否为白利用ARIMA（3,1,6）模型对2013年12月17日到噪声序列。原假设是剩余序列是相互独立的白噪声序列，2014年2月1日每天的上证指数收盘价进行预测，得到分别对各模型进行检验，结果显示F统计量均大于显著2013年12月17日到2014年2月1日每天的上证指数性水平，所以接受原假设，认为残差序列是白噪声序列，收盘价的预测值，并与实际值相比较，平均误差为0.9%，四组模型都通过了检验。基本上符合了模型的精度要求。根据AIC准则，我们选择ARIMA（3，1，6）模型对open序列进行建模。A

6、RIMA（3，1，6）模型的适应性检查，3.结束语如图2-3所示：对上证指数开盘价格所建立的ARIMA（3,1,6）模型，基于该模型上证指数开盘价格的定量分析，可以看出，上证指数开盘价格在短期内依然在2150到2400间上下浮动，但也有可能出现小幅的上扬，开盘价格突破2400。用此模型对大盘走势进行短期预测,可为投资者提供投资决策的依据。参考文献：[1][美]BOXGeorgeEP,JenkinsGwilym,ReinseGregory.时间序列分析：预测与控制[M]．顾岚主，译．北京：中国统计出版社，1997图2-3ARIMA（3，1，6）模型的适应性检查[2

7、]常学将、陈敏、王明生.时间序列分析[Ｍ].北京：高从上图可以看出，ARIMA（3，1，6）模型的拟合曲等教育出版社，1993线基本接近。[3]张大维、刘博、刘琪.EViews数据统计与分析教程[M].2.3预测结果及误差北京：清华大学出版社，2010.6在进行模型预测的时候，用于对模型进行检验的数[4]李学军.基于ARIMA模型的外汇汇率时间序列预测研究据是从2014年3月1日到4月1日的每天的上证指数开[J].华东交通大学学报，2009,26(5)盘价格，如果模型的拟合效果比较好，可以认为这个模[5]杨宇.基于ARMA模型对地价指数的预测[J].统计与决型是

8、比较成功的；如果模型的拟