基于ARMA模型对浦发银行股价预测的实证分析王筱涵要点.docVIP

西南民族大学2015—2016学年第2学期 2015级硕士生金融市场计量经济学课程期末论文 论文名称：基于ARMA模型对浦发银行股价预测的实证分析 任课老师：杜红艳 开课学院：经济学院 课程名称：金融市场计量经济学 学 院：经济学院 专 业：金融学 学 号：跟读 姓 名：王筱涵 2016年7月9日 摘要 时间序列分析是经济领域运用研究最广泛的工具之一，ARMA模型是一种最常见的时间序列模型。本文利用ARMA模型，对浦发银行（600000）的每日开盘价格（2015年7月1日，星期三——2016年6月30日，星期四）进行分析，以此预测下一个交易日（2016年7月1日，星期五）的开盘价格，并与真实的开盘价格进行对比。 关键词：时间序列；ARMA模型；股价预测 引言 时间序列分析是从一段时间上的一组时间上的一组属性值数据中发现模式并预测未来值的过程。ARMA模型是一种用于拟合平稳序列的模型，对于满足有限参数线性模型的平稳时间序列的分析，它用有限参数线性模型描述时间序列的自相关结构，便于进行统计分析与数学处理。本文从微观角度，利用ARMA模型结合浦发银行数据建立模型并进行预测，多数经济时间序列存在惯性，通过对这种惯性的分析可以由过去和现在值对未来进行预测，对中小投资者的短线投资具有更大的参考意义。 实证分析 数据说明 由于时间序列模型往往需要大样本，所以这里我从新浪股票网站获取了浦发银行2015年7月1日至2016年6月30日的开盘价格，总计一年的价格，共262个样本。由于法定假日以及股票停牌等原因，导致股票价格不完整，所以首先对空缺日期的数据进行补充，处理方法为取前一天的开盘价格为空缺日期当日的开盘价格。 图2.1.1 浦发银行2015.7.1至2016.6.30股票价格趋势图 数据来源：新浪财经网站 （/stock/） 平稳性检验 从图2.1.1可以看出有一定的趋势走向，为非平稳的时间序列；并且回执自相关图和偏自相关图并进行单位根检验，根据向相关图缩减速度很慢以及单位根检验结果统计量的P值大于0.05可以判断该序列为非平稳的。 因为序列是非平稳的时间序列，所以对其取对数并进行一阶差分，然后进行ADF检验，通过1%的显著检验，即数据一阶差分后平稳。 表2.2.1 数据ADF检验结果 t-Statistic Prob.* Augmented Dickey-Fuller test statistic -15.07563 0.0000 Test critical values: 1%level -3.455387 5%level -2.872455 10%level -2.572660 可以看出查分后明显得到Augmented Dickey-Fuller test statistic为-15.07563，其绝对值明显大于1%显著水平下的临界值-3.455387，所以可以通过平稳性检验。在对序列进行correlogram specification后得到自相关图和偏自相关图衰减速度很快以及unit root test结果T统计量的P值大于0.05也可以判断该序列为平稳序列。 模型识别与定阶 观测一阶差分数据dln的AC和PAC图，看到其均没有明显的截尾性，尝试用ARMA模型。根据偏自相关图可知p=6，并根据自相关图得到q等于5或者6，尝试不同的的滞后项q，根据akaike info criterion和schwarz criterion最小化以及R-squared最大化的原理来确定ARMA(P,Q)模型。经过比较不同的模型得到最终模型ARMA (6,5)并选取ARIMA(6，1，5)模型作为预测模型。 表2.3.1不同ARMA 模型比较 ARMA(P,Q) ARMA(6，5) ARMA(6，6) Akaike info criterion -5.000096 -4.998446 Schwarz criterion -4.847336 -4.931413 R-squared 0.157602 0.162803 ARMA模型的检验 对于ARMA (6，5),其所有变量系数均通过T检验，说明变量显著；prob（F-statistic）=0.0008小于0.05，说明通过F检验，方程总体显著；Durbin-Warson stat=1.984477，约等于2,说明不存在自相关。模型的特征根倒数在单位圆内，说明模型稳定，综上所述，说明模型ARMA(6，5)是可取的。 对