基于ARMA模型上证综合指数分析.docVIP

基于ARMA模型上证综合指数分析 　　摘要：通过将ARMA模型引入证券市场建立估计与预测模型。为了满足序列平稳性要求，选用一阶差分后序列作为研究对象。并以上证综合指数为例，筛选合适的ARMA模型。检验表明构造的模型满足检验要求，可以以此为依据对相关投资决策提供参考。 　　关键词：ARMA模型；上证综合指数；时间序列分析 　　对证券市场的分析与预测，目前常用的预测方法有证券投资分析法、神经网络预测方法和时间序列分析方法三种。其中时间序列方法通过利用历史数据对未来做出估计，对于短期预测有着较好的拟合度，因而广泛运用于证券市场定量分析。本文通过介绍时间序列方法中ARMA模型，对于上证指数进行回归模拟，阐述这一模型短期预测的有效性，并为投资者理解股票市场运行规律提供帮助。 　　1. ARMA模型理论框架 　　1.1. 自回归模型 　　p阶自回归模型（Auto Regressive Model）写作AR（P），用于描述序列在某一时刻t与前p个时刻序列之间的线性相关关系。其表达式为 　　其中是白噪声序列，在t时刻之前序列与序列不相关。第k个系数表示与在排除了个中间变量之后的相关系数。这一系列被称作偏自相关函数（Partial Autocorrelation Function）即PACF。从表达式可以判断，当p为有限个数时，之后的偏自相关系数均为0，则此序列为AR（P）序列。 　　1.2. 移