《随机过程及其应用结课论文基于时间序列分析的股票预测模型研究》.doc

硕士研究生课程结课论文 《随机过程》 姓 名： xxxx 学 号： xxxx 年 级： 14 级 学科（领域）： 数 学 培养单位： 理学院 日 期： 2014年11月1日 目 录 1 引 言 2 1.1 研究背景 2 1.2 研究意义 2 1.3 选题依据 2 2 时间序列分析的理论 3 2.1 时间序列分析的问题 3 2.2 确定与随机性时间序列分析 3 2.3 时间序列的概念及性质 3 2.3.1 平稳性 3 2.3.2 平稳时间序列 3 2.3.3 平稳时间序列的统计性质 4 2.3.4 平稳性的检验 4 2.3.5 纯随机性检验 4 3 平稳时间序列分析 5 3.1 ARMA 模型 5 3.1.1 AR 模型 5 3.1.2 MA模型 5 4 非平稳序列分析 8 4.1 确定性成分 8 4.1.1 趋势成分 8 4.1.2 季节效应分析 8 4.2 非平稳序列的随机分析 9 4.2.1 差分 9 4.2.2 ARIMA 模型 9 4.2.3 ARIMA 模型建模 9 4.2.4 异方差及方差齐性变换 10 4.2.5 条件异方差模型 10 5 基于时间序列分析的股票预测模型的实证分析 11 5.1 关于样本数据的描述与调整 11 5.2 结论 15 参考文献 16 基于时间序列分析的股票预测模型研究 摘 要：在现代金融浪潮的推动下，越来越多的人加入到股市，进行投资行为，以期得到丰厚的回报。所谓股票预测是指：根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。时间序列数据因为接受到许多偶然因素的影响，会常常表现出随机性，在统计学上称之为序列的依赖关系。 在股票市场上，时间序列预测法常用于对股票价格趋势进行预测，为投资者和股票市场管理方提供决策依据。 本文主要介绍了时间序列分析方法的概念，特点及时间序列模型，包括建模时对数据时间序列的预处理、及模型预测等。并通过对时间序列分析的实证研究分析，建立时间序列模型，其中包括 ARIMA 等模型，进行误差分析，说明时间序列分析的方法对于股票价格的预测趋势有一定的参考价值。 关键词：股票，预测，时间序列分析，ARIMA 模型 Study on prediction model of time series analysis based on the stock Bian Xiaofei （HeiLongJiang University of science and technology,Harbin City） Abstract： In the modern financial wave, more and more people join the stock market to invest, expecting to get rich return, which has greatly promoted the stock market’s prosperity.The so-called stock forecast is defined: with the help of the stock’s recent condition, we’ll predict the future stock’s development, including its later development directions and fluctuations. Time-series data often show some kinds of randomness and dependence between each other because of the influence of various accidental factors.Time series analysis is often used to predict the stock price, which provides decision-making basis for investors and the stock market managers. This thesis mainly introduces time series analysis theory, including its notion, character as well as the expression and description of some models derived from it ,including method of data simulation, method of p