ARIMA模型在期货交易预测中的应用研究.pdfVIP

电子发烧友 电子技术论坛 ARIMA 模型在期货交易预测中的应用研究 王习涛 (郑州大学 信息工程学院，河南 郑州 450052) 摘要：求和自回归移动平均模型（ARIMA）在非平稳时序序列预测中有良好的效果，文章通 过对原始数据进行简单平稳处理，在一定程度上达到减小预测误差，提高预测精度的目标。 关键字: ARIMA 模型、时间序列、平稳处理、模型识别 Study on the Application of ARIMA model in time-bargain forecast WANG Xi-tao (College of Information Engineering, Zhengzhou University, Zhengzhou 450052, China) Abstract: Autoregressive integrated moving average model(ARIMA) has favorable effect in forecast of troubled time series, the article do some simple calm disposal to original data, so as to decrease the forecast error in a way, and get the goal of increasing forecast precision. Key words: ARIMA model、time series、calm disposing、model identify 期货交易带有明显的非平稳性和随机性, 因此使用单纯的自回归模型或者移动平均模 型都无法很好地对交易趋势进行拟合预测, ARIMA 模型就是将前面两者相结合并加入对非 平稳数列的差分操作从而实现对非平稳数列的较好的拟合及预测。文章在 ARIMA 模型的基础 上对时序数列进行局部平稳化处理，既保证整体趋势不变又实现了局部的平稳，实验表明该 方法对于提高 ARIMA 模型的预测准确度具有明显的效果。 ⒈ 模型介绍 系统中某一因素变量的时间序列数据没有确定的变化形式，也不能用时间的确定函数描 述，但可以用概率统计方法寻求比较合适的随机模型近似反映其变化规律。(自变量不直接 含有时间变量,但隐含时间因素) ⑴ 自回归 AR(p)模型 y =φ y +φ y +……+φ y +ε t 1 t-1 2 t-2 p t-p t 式中假设：yt 的变化主要与时间序列的历史数据有关，与其它因素无关； ε不同时刻互不相关，ε 与 y 历史序列不相关。 t t t 式中符号：p模型的阶次，滞后的时间周期，通过实验和参数确定； y 当前预测值，与自身过去观测值 y 、…、y 是同一序列不同时刻的 t t-1 t-p 随机变量，相互间有线性关系，也反映时间滞后关系； y 、y 、……、y 同一平稳序列过去 p 个时期的观测值； t-1 t-2 t-p φ、φ 、……、φ 自回归系数，通过计算得出的权数，表达 y 依赖于 1 2 p t 过去的程度，且这种依赖关系恒定不变； 2