股票价格分析时间序列分析地分析与预测.doc

股票价格分析时间序列分析的分析与预测 1、相关定义 1.1、趋势和季节调整的概念和作用 以季度或月份作为时间观测单位的经济时间序列一定程度上具有一年一度的周期 性变化的特点,不难发现这种周期变化是由于季节因素(气候、风俗习惯和社会制度等 等)的影响造成的,在经济分析中称为季节性波动〔8]。然而季度和月度的经济时间序列 山东大学硕士学位论文 的季节性波动是非常明显的,它往往会给经济增长速度以及宏观经济形势的分析造成一 定的困难和麻烦。由于季节因素的存在,同一年中不同季度或月份的数据通常没有任何 可比性,而在消除了季节性的影响之后,自然就能够反映真正的客观规律和趋势。为了 更好的应用季节调整我在原数据的基础上增加一年的数据,见表3一5一1。 月月月200444200444200444200444200444200444200444200444200444200444200444200444 份份份年1 11年2 22年3 33年4 44年5 55年6 66年7 77年8 88年9 99年 年年 年年 年 月 月月 月月 月月 月月 月月 月月 月月 月月 月月 月lO OO11 1112 22 月 月 月 月 月 月 月 月 月 月 月月 月月 月月 月 戈戈戈421 11427 77440 00446 66496 66501 11516 66539 99546 66569 99564 44550 00 表3一5一1 1.2、时间序列分析的几个基本概念 2.1.1 随机过程与时间序列2.1.1 随机过程与时间序列 所谓随机过程,是指现象的变化没有确定形式,没有必然的变化规律。用 数学的语言来讲,就是事物变化过程不能用一个(或几个)时间 t的确定函数来 描述。也就是说,如果对事物变化的全过程进行观测得到的结果是一个时间 t的 函数;但是对同一事物的变化过程独立的重复进行多次观测所得到的结果是不 相同的[17]。 (从时间变化角度来考察) 若对于每一个特定的 t T (T 是一个无穷集合,称 为参数集),X ( t ) 是一个随机变量,则称这一族无穷多个随机变量{X ( t), t T } 是 一 个 随 机 过 程 。 可 见 , 随 机 过 程X ( t ) 是 一 族 随 机 变 量 。 定 义 如 下 : 当 t ={0, ±1, ± 2, } 时 , 即 时 刻 t 只 取 整 数 时 , 随 机 过 程 {z, t T} 可 写 成 {z, t= 0, ± 1, ±2, } ,此类随机过程称为随机序列,也称时间序列。由此可见: (1) 时间序列是随机过程的一种,是将连续时间的随机过程等间隔采样后 得到的序列;换句话说,时间序列是指以时间顺序形态出现的一连串观测值集 合[18]。 (2) 时间序列也是随机变量的集合,只是与这些随机变量联系的时间不是 连续的,而是离散的。 从统计意义上讲,时间序列就是将某一指标在不同时间上的不同数值,按 照时间的先后顺序排列而成的数列。这种数列由于受到各种偶然因素的影响, 往往表现出某种随机性,彼此之间存在统计上的依赖关系[19]。 时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法。 其基本思想是:根据系统的有限长度的运行记录(观察数据),建立能够比较 精确地反映序列中所包含的动态依存关系的数学模型,并借以对系统的未来进 行预报的方法。 6 对于时间序列{Xt , t T } ,任取t , s T ,定义序列{Xt } 的自协方差函数为: γ(t , s )= E ( Xt ? μt )( X s ? μs ) (2-1) 其中,μ t =EX T ,自协方差函数γ (t , s ) 表示了时间序列{Xt } 在不同时刻 t 和 s 时的统计关系。 定义时间序列{Xt } 的自相关函数(ACF)为: ( , )( , ) t s t st s DX DX ρ =γ ? (2-2) 其中DXt= E[ X t ? EX T ]2 ,自相关函数刻画了时间序列{Xt } 在不同时刻 t 和 s 时的线性相关程度。 1.3、平稳时间序列的定义 设必(t=l,2. )表示一个随机时间序列,即是对任意一个固定的t,戈都表示一个 随机变量。如果戈满足下列条件: (1)Ey,=mt取一切整数,m为常数 (2)E(戈+*一m)(共一m)=乓k=o,士1,士2 . 称另为宽平稳随机序列,。称为自协方差函数,p*一丘称为自相关函数。 1.4、时间序列定义 对于一组按照时间顺序排列的随机变量: ,X 1 ,X2, ,Xt, (2-1) 称为一个随机事件的时间序列[42]。如果用 x1 ,x2,x3 ,xn(2-2) 来表示随机变量x1 ,x2,x3 ,xn的 n 个有序观测值,其中 n 为