基于ARIMA―GARCH模型对股票数据处理过程探讨和研究.docVIP

基于ARIMA―GARCH模型对股票数据处理过程探讨和研究 　　摘 要 基于2016-2017年贵州茅?_股票收盘价数据，应用时间序列分析理论中长期趋势和随机波动之间存在复杂的交互影响关系建立ARIMA-GARCH模型进行分析，首先，对多组数据进行拟合比较，其中ARIMA（2，1，6）模型经检验显著有效。针对波动信息的提取首先是考察ARIMA（2，1，6）模型的残差平方序列的异方差特征，经LM检验和Q检验显示残差序列显著方差非齐，且具有长期相关性。构造GARCH（0，2）模型，并根据该模型的拟合并预测未来股票价格，结果表明该模型效果拟合良好，在短期时间内可以对投资可以起到一定的指导作用。 　　关键词 时间序列分析 模型预测 ARMA-GARCH模型 股票价格 　　中图分类号：F831.5 文献标识码：A DOI：10.16400/j.cnki.kjdkx.2018.06.018 　　Abstract Based on the closing price data of Kweichow Moutai from 2016 to 2017， an ARIMA-GARCH model was established based on the analysis of the complex interplay between medium and long-term trends in time series analysis theory and stochastic volatility. Firstly， multiple sets of data were compared and compared. Among them， the ARIMA （2，1，6） model is significantly effective. The extraction of the fluctuation information is firstly to investigate the heteroscedasticity features of the residual squared sequence of the ARIMA （2，1，6） model. The LM test and the Q test show that the residual sequence has a significant variance， and has a long-term correlation. The GARCH （0，2） model is constructed， and the future stock price is predicted and fitted according to the model. The results show that the model is well-fitted and can play a role in guiding the investment in a short period of time. 　　Keywords time series analysis； model prediction； ARMA-GARCH model； stock price 　　0 引言 　　随着人们生活水平的提高，对高档白酒的消费将不断增加。茅台凭借其“国酒”的地位，销量很高，并且几乎一直处于供不应求的状态。近一段时间内，茅台的股价一直走高，创下了中国股市的很多记录，在中国股市继15年后的低迷状态下，股价仍稳定发展，但是近期增长过快，引发人们注意，几个月之间股价蹿升至600元/股以上，引发了市场的热议。为了防股票价格快速上涨或下跌带来的不利影响，监测股票波动风险具有重要的意义。 　　在金融市场，一般采用波动率来衡量股票价格的不确定性。波动率是单位时间内价格的变异率。在计算波动率时，首先对它的波动过程建立适当的数学模型，之后再根据回归模型的条件方差进行换算。如果指数序列不存在波动群聚问题，自回归单整移动平均（ARIMA，以下使用简称ARIMA）模型就是非常合适的解释模型。集群效应（以下用简称ARCH代替）多应用于分析股市行情中。我们将使用ARIMA模型来分析并估计贵州茅台股票的走势及发展。 　　一直以来，不断有学者对股票价格进行分析和预测，希望摸索出这些数值背后的规律，以规避再一次的股票市场的危机。目前公认的有ARIMA模型及该模型的衍生模型（GARCH模型）适合研究预测股票数据。孟坤等进行了基于ARMA模型预测股票价格的实证分析，[1]得到很好的拟合效果；李丽等使用了ARIMA模型对特定的股票数据进行短期预测；[2][3]刘洪玉对房地产价格的拟合与预测的效果比较ARIMA模型和