以下实验都按照下述步骤进行(buildmodelR).docVIP

网络兼职：ｗｗｗ．ｂｅｉｒｅｎ．ｉｎｆｏ 实验二 董静 1071209154 B0712094 一、说明 以下实验都按照下述步骤进行（ HYPERLINK \l build_model build_model.R）： 数据的获取和预处理 在本实验中，都是对金融时间序列（包括指数和股票，使用的收盘价数据都是经过调整后的）的日/月回报率（ln）进行建模分析。 数据的初步分析，包括时间序列的趋势图、均值、方差、峰度和偏度等。 识别模型，判断是否为平稳序列，通过ACF和PACF来判断采用哪一种模型。 （1）若PACF截尾，滞后p项，即为AR(p)； （2）若ACF截尾，滞后q项，即为MA(q)； （3）若均拖尾，可能为ARMA模型，通过计算AIC来判断阶数。设有时间序列长度为T，则阶数上限取lnT（对应日回报率）或T-1/2（对应月回报率）。在这个范围内AIC最小的模型被认为是最适合的模型。 注：在本实验中，认为时间序列均为平稳序列。 估计模型参数，对于参数进行显著性检验。若存在参数不显著，则从模型中去掉该参数对应的变量，重新估计新模型参数，并进行检验。 检验模型，判断选用的模型对于数据描述得是否足够好，主要是通过检验模型的残差是否为白噪声来实现的。通过观察残差的ACF和PACF，看其是否都是截尾的；利用Ljung-Box test对于模型残差进行白噪声检验。 进行n步预测，并对每个预测点均计算预测区间。 对于结果，从模型的预测能力角度进行分析。 二、实验 1. Download Hang Seng Index (HSI) daily and monthly data (closing price) from the database 度量衡. And get as much as possible from the data. 1）数据的获取和预处理 本实验中使用的数据来自雅虎财经 由于从“度量衡”中下载的数据存在着离群点，故从雅虎财经（ HYPERLINK /q/hp?s=%5EHSIc=1986a=11b=31f=2008d=02e=30g=d /q/hp?s=%5EHSIc=1986a=11b=31f=2008d=02e=30g=d）上下载了同一时间段（2004年1月9日至2008年2月29日）的数据，采用已调整收盘价这一栏，即该收盘价已经过派息和拆股调整。。运行“ HYPERLINK \l load_data load_data.R”中的程序，调入数据，并根据数据中恒生指数（HSI）的收盘价，计算 由于从“度量衡”中下载的数据存在着离群点，故从雅虎财经 （ HYPERLINK /q/hp?s=%5EHSIc=1986a=11b=31f=2008d=02e=30g=d /q/hp?s=%5EHSIc=1986a=11b=31f=2008d=02e=30g=d）上下载了同一时间段（2004年1月9日至2008年2月29日）的数据，采用已调整收盘价这一栏，即该收盘价已经过派息和拆股调整。 运行plot(1:length(series),series,l, xlab=Date,ylab=Log Return,main=HSI)，得到其日收益率的折线图（如图1所示）。 图1 HSI日收益率折线图 运行 HYPERLINK \l sum_stat sum_stat(series)，该时间序列的基本情况为： 　 N Mean SD Skew Ex. Kurt Min Median Max HIS 1033 0.0005785 0.012951 -0.086358 5.364183 -0.09051 0.0006823 0.10184 由EX.Kurt0可知，该序列是尖峰分布，具有厚尾巴，即小概率事件发生的可能性大于正态分布中描述的情形。由Skew可以看出其偏度小于0但比较接近0，均值小于中位数，分布应该比较对称。相对于最大值和最小值的绝对值而言，均值很小，接近于0。 2.识别模型，通过ACF和PACF来判断采用哪一种模型。 使用函数 HYPERLINK \l acf_pacf show_acf来显示ACF和PACF的图： source(show_acf.R) show_acf(series,sqrt(length(series)),sqrt(length(series))) 图2-a HSI的ACF 图2-b HSI的PACF 在观察32阶以内的情况，图2-a中显示了其在12个滞后项之后自相关性不显著了，图2-b表明其在22个滞后项之后偏自相关性就不显著了。 不能判断其属于哪一个模型，假设其为ARMA（p,q）过程，利用AIC原则来确定其中的p和q。 source(slct_model