时间序列模型在股票价格预测中应用.docVIP

时间序列模型在股票价格预测中应用 　　[摘 要]本文旨在以时间序列模型为基础，选择紫金矿业日收盘价、万科A日收盘价为研究对象，对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此，本文采用时间序列分析中的一种常见的模型: ARIMA模型进行相关的分析和预测，并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求，则采用ARIMA模型做股票价格预测是可行的。 　　[关键词]股票 时间序列 ARIMA模型 　　一、引言 　　股票是金融市场最主要的金融工具之一，股票价格往往随时间变化而波动, 股票的价格走势直接影响着投资者的经济利益，以及不同行业的景气状况, 也影响和反映着国家的宏观经济政策。因此，股票价格能否预测及如何预测有着其重大的研究意义。 　　应用时间序列模型进行预测是较为常见的预测方法，正确的通过时间序列建立相关的模型进行股票价格预测有着重大意义，它在一定程度上能为国家的政策提供一个参考，给人们一个参考有利于公司的发展，有利于国家经济发展。 　　本文选择紫金矿业日收盘价、万科A日收盘价，采用ARIMA模型做短期预测。 　　二、数据 　　本文所采用的股票历史价格数据均来源于中证网http://www.省略/，选取紫金矿业日收盘价、万科A日收盘价上证指数近3年的672个日收盘价的数据进行研究分析。 　　三、模型描述 　　Box- Jenkins 方法（博克思-詹金斯法）--ARIMA模型 　　Box- Jenkins 方法用变量 自身的滞后项，以及随机误差来解释该变量, 具体形式可表达成ARIMA(p,d,q)。其中p 表示自回归过程阶数, d 表示差分的阶数, q 表示移动平均过程的阶数。ARIMA是自回归移动平均结合（Auto Regressive Integrated Moving Average）模型的简写形式，用于平稳序列通过差分而平稳的序列分析，简记为ARIMA(p,d,q) 　　若时间序列是平稳的, 可直接运用ARIMA 模型: 　　 　　若时间序列是非平稳的, 则需要经过d 阶差分, 将非平稳时间序列转换成平稳时间序列。平稳时间序列可表示成: 　　对于下文出现的符号做简短说明： 　　 ：从2008年4月25日算起的第t个交易日的收盘价(t=1,...,672) 　　 ： 原始???万科A的日收盘价数据 　　 ： 原始的万科A的日收盘价数据通过一阶差分处理后的时间序列 　　 ：原始的万科A的日收盘价数据通过二阶差分处理后的时间序列 　　 ： 原始的紫金矿业的日收盘价数据 　　 ： 原始的紫金矿业的日收盘价数据通过一阶差分处理后的时间序列 　　 ：原始的紫金矿业的日收盘价数据通过二阶差分处理后的时间序列 　　四、实证分析 　　（一）紫金矿业的日收盘价的分析及预测 　　1.采用SPSS软件做预测分析 　　（1）模型识别 　　首先根据ARIMA 序列自相关函数及偏自相关函数的截尾、拖尾性质作模型识别(Identification or tentative specification)。 　　①上证指数紫金矿业的日收盘价的序列的特性通过绘制序列图(见图1) 　　从图1中可以看出: { }序列没有明显的周期性, 可以初步断定该序列是非平稳的。因此, 可对原始数据作一阶差分: ，时, 时间序列达到平稳。 　　②绘制的 自相关函数和偏自相关函数图。 　　根据图2、图3所给的图形，一阶差分后的ACF呈一阶后截尾，PACF呈一阶后截尾，可初步判断 适合ARIMA(1,1,1)模型。 　　(2)模型确定 　　据图4所示，不难发现残差序列接近于白噪声序列, 是随机分布的,因此模型ARIMA(1，1,1)是合理的。 　　（3） 对ARIMA(1,1,1)模型进行条件期望预测 　　根据所建立的ARIMA(1,1，1)模型对2011年2月25日至2011年3月11日的紫金矿业的日收盘价利用SPSS进行预测,可得到如下表所示的预测结果: 　　绝对误差=预测值-实际值，相对误差=绝对误差/实际值 　　对于以上11个数据，根据平均相对误差的计算公式 　　 代入计算可得紫金矿业的日收盘价的相对误差为-0.0266=-2.66%，可见预测效果较好，这主要是所取的数据个数少，若预测的数据过多，则平均误差增大，预测效果会不那么理想。 　　2.利用Eviews软件做预测分析 　　(1) 模型判断 　　①序列的平稳性判定 　　上证指数紫金矿业的日收盘价的序列的特性通过绘制时间序列图(见图5) 　　从图5可以看出:{Zt}序列有明显的较大的波动，没有明显的周期性,因此{ }是一个非平稳