基于ARIMA模型和GARCH模型的期货预测.pdfVIP

资本运营 基 于 ARIMA模 型 和 GARCH模 型 的 期 货 预 测 李亚杰 王 磊 北京邮电大学 理学院 北京 100 8761 【摘 要】期货价格波动具有内在的规律性,通过对历史价格时间序列数据可以建立价格波动模型,进行短期预测,可以帮助投资者套期保值和规避风险。为了科学预 测,在应用的过程中要使用多种方法检验,此处使用AR IMA模型和GARCH模型两种方法预测,拟合效果很好。 【关键词】ARIM A模型 GAR CH 模型 期货 【中图分类号】F222　　　　 　【文献标识码】A 一、引言 件为SAS软件9.2版本。 19世纪德国天文学家施瓦贝(S.H. Schwabe)经过几十年的观察和记 录,发现了太阳黑子活 动的周期性,开创描述性时序分 析方 法先河。为 二、ARIMA模型与GARCH模型 了更准确地估计时间序列发展变化规律,从20 世纪20年代开始, 学术界 常见 的时间序列模 型有:ARMA模 型、ARI MA模型、ARCH模型 、 开始利用数理统计原 理分析时间序列, 由此开辟 了时间序列分析这 门 GARCH模型[2 ] 。它 们之间有一定的联系和区别,模型如下 。 应用统计 学科。该方 法在研究长 期时间变动 中有统计规 律性的时 间 （一 ）ARMA模型 序列极具有效性, 尤其在金融 市场上对金融市场 收益 、市场风险及市 具有如下结构的模型称为自回归移动平均模型,简记为ARMA(p,q)[3] : 场销量的研究有着重 要的作用, 可 以对未来金融 市场做出较为科学 准 确的预测 。由于以期 货为代表的金融工具在 资本市场中给投资者 提 供规避风险和套期保值的重要作用, 所 以自从这些金融工具的出现, 人 （1 ） 们对它们的价格波动 分析方法的研究就 一直没有停止, 时间序列分析 方法是很 有效的方 法。 若 ,则该 模型称为中心化ARMA(p ,q )模型,可 以简写 为 本文利用时 间序列分 析方法对 金融市场中 的农产品期货价格波 （2 ） 动进行分析,并对其未 来趋 势作出预测。研究的对象是玉米期 货价 格, 引进 延迟算子 ,使得 ,则ARMA(p ,q )模型简记 玉米期货是农产品期 货的重要组成部分, 具有很 好的预测价值和较好 为: 的可预测性[ 1 ] 。此处研 究的玉米 期货是在20 1 2年7月1 5 日交割的玉米 （3 ） 期货, 该期货合 约于2 0 1 1 年7 月1 5 日开始 交易, 因此分析 的数据 是 其中, C1207 玉米期货 自20 1 1 年7月15 日到20 12年5月15 日的价格波动数据, 数据来源 于中信证券 商品期货数 据库。本 文使用的统计数据分析 软 图4 ARI MA模拟的变量平均值和 自回归因子 图1 期货价格时序图 图5 ARI MA模型的拟 合效 果图 图2 ARI MA模型 的 I C信息量矩阵图 图3 条件最小二 乘估 计图