拟合garch模型及autoreg模型-预测.docxVIP

下载本文档

20
0
约7.64千字
约 20页
2017-08-28 发布于安徽
举报
版权申诉

拟合garch模型及autoreg模型-预测.docx

1、本文档共20页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

--(完美WORD文档DOC格式,可在线免费浏览全文和下载)值得下载！

第五章SAS作业学号：200930980106姓名：何斌年级专业：10级统计1班指导老师：肖莉问题1：试选择恰当模型拟合某种股票的价格数据，数据如下：10.510.449.9410.25119.8810.51213.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.51921.520.2525.6326.8827.6323.8826.382424.381、利用拟合模型预测未来二期该股票的价格；2、按照书本相应例题的格式完成问题，并附上SAS程序。解:1.1建立数据集，绘制时序图data gupiao; input value @@; time=_n_; cards;10.510.449.9410.2511 9.8810.512 13.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.519 21.520.2525.6326.8827.6323.8826.3824 24.38 ;proc gplot data=gupiao; plot value*time; symbol i=join v=star h=1 ci=red cv=black w=2;run;1.2输出时序图显示该序列非平稳。如图1-1所示。图1-1 股票价格序列的时序图1.3对该序列进行一阶差分运算,程序修改如下:data gupiao; input value @@; difv=dif(value); time=_n_; cards;10.510.449.9410.2511 9.8810.512 13.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.519 21.520.2525.6326.8827.6323.8826.3824 24.38 ;proc gplot data=gupiao; plot difv*time; symbol i=join v=star h=1 ci=red cv=black w=2; proc arima; identify var=value(1) minic p=(0:5) q=(0:5);run;1.4考查一阶差分后序列的平稳性。所得时序图如图1-2所示。图1-2 序列difv的时序图时序图显示差分后序列difv没有明显的非平稳特征。1.5序列difv的识别，如下图所示。图1-3序列difv的自相关图、偏自相关图图1-4 残差图图1-5 最优模型选择识别部分的输出结果显示，1阶差分后，序列difv为平稳非白噪声序列，最优拟合模型为AR（4）模型。1.6“estimate p=4;”对序列difv拟合AR（4）模型。输出结果显示mu、AR1,1、AR1,2均不显著，修改估计命令如下：estimate p=（3,4） noint;拟合结果显示模型显著且参数显著。如图1-6所示。图1-6 序列difv模型拟合结果输出结果显示，序列value的拟合模型为ARIMA（（3，4），1,0）模型，模型口径为：或等价记为： (V表示股价价格)1.7“forecast lead=2 id=time;”，利用拟合模型对序列作2期预测。如图1-7所示。图1-7 37期、38期股票价格预测（Forecast值）1.8拟合图：2.SAS程序：data gupiao; input value @@; difv=dif(value); time=_n_; cards;10.510.449.9410.2511 9.8810.512 13.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.519 21.520.2525.6326.8827.6323.8826.3824 24.38 ;proc gplot data=gupiao; plot difv*time; symbol i=join v=star h=1 ci=red cv=black w=2; proc arima; identify var=value(1) minic p=(0:5) q=(0:5); estimate p=(3,4) noint; forecast lead=2 id=time out=results;run;proc