对“中国石化”股票价格的预测.doc

对“中国石化”股票价格的预测 吴武陵 （湖南科技学院 数学与计算科学系 湖南永州 425100） 摘要:主要采用ARMA 模型对“中国石化”股票的发展规律进行了研究. 通过对“中国石化”股票2006年11月到12月两个月中30天收盘价格进行实证分析，建立一个股票价格走势规律的统计预测模型ARIMA(1 ,1 ,0) .最后,利用该模型对“中国石化”股票价格走势进行了预测。 关键词:中国石化股票价格;时间序列分析;ARIMA模型；SPSS11.5系统 Prediction on the Stock Price of Sinopec Wu Wu ling (Depertment of Mathsmatic and Computational Science, Hunan University of Science and Engineering. Yongzhou,425100, Hunan) Abstract：In this paper, we adopt primarily the ARIMA model and study the developed law of the stock of Sinopec. By analysising the price of 30 days of Sinopec that occured from November to December in 2006, we establish a statistical prediction model that reflects the law of stock price, which we call ARIMA(1,1,0). Finally, by the model , we predict the trend of the stock price of Sinopec. Key words: the stock price of Sinopec , Time series analysis, ARIMA model, SPSS 11.5 system 一．引言 股票市场是一个复杂的非线形系统，市场受到来自政治，社会，经济，心理等方面的影响，因而对其运动行为很难建模。但是，正如技术分析所假设的“市场是有趋势可循的，市场价格反映了一切，历史往往会重演”，这也就是说明尽管复杂，但市场还是隐含着某些规律性。股价的历史轨迹形态对未来价格趋势特别是短期趋势有着重要的预测价值。这不仅得到市场上许多技术分析者的支持而且一些研究结果也证实了这一点。然而基于技术分析的投资者，特别是一些经验不足的投资者在利用形态理论进行投资操作时结果却往往不尽人意。原因主要在于：1传统形态分析理论往往比较“机械”，所有股票套用的是一些相同的形态模式，而事实上，各种股票都有其自身运动规律，对价格趋势具有预测作用的形态表现是不尽相同的，2识别股价序列形态往往有一定困难，常常出现因人而异的现象。不同人对形态的识别有不同的看法，因此交易失败的原因即使是理论的缺陷，投资者也往往归咎与自身对形态的误判，从而可能重蹈覆辙。3许多形态在初期难以识别，而一旦形态分明时，往往已经错过最佳交易时机，大大影响投资效果。 因此，具有自动识别股价形态，并及时发出交易信息的自动交易系统已被许多投资机构采用。但是现有系统往往基于固定的形态模式，而较少考虑投资者在长期的投资实践过程中获得的经验和直觉对交易规则发现的作用，事实上，市场上很多投资分析者经过在股市浪潮中的搏击经验，积累了不少体会和发现，对股价形态往往有着自己独特的见解和偏好。但遗憾的是，并没有系统能将其经验提升为规则。事实上以投资者经验为指导，个性化地挖掘出股市中隐藏的，具有规律性，令人感兴趣的规则是很有意义的。 股票价格的形成机制是一个很有吸引力的研究课题。从市场方面来看它受一般投资人买卖股票决策的影响，从上市公司方面来看，公司发展变化的不确定性也会对股票几个产生相当大的作用，再有政府行为（如关于股票市场政策的变化）和投资机构违规炒作都会对股市形成巨大的冲击，本文的目的在于试图找到一种较为理想的模型可以以一定的精确度来描叙现实股票市场价格波动的现象，并得到一些有意义的结论。笔者以下分析ARIMA模型，然后对它们的可行性进行实证分析。 二．模型简介 通常,在某些季节性时间序列中不仅含有季节性成分,还有非季节性成分. 若单一用季节性或非季节性ARIMA 模型进行拟合和预测,本文采用ARIMA ( p , d , q)模型 ARIMA模型三种基本形式： 自回归模型（AR：Auto-regressive），移动平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Av