开题报告-时间序列分析模型研究.docVIP

毕业论文开题报告 信息与计算科学 时间序列分析模型研究 一、选题的背景与意义 选题背景 时间序列分析研究的一个重要原动力源于金融市场超大容量数据的获得。在经济全球化竞争日益激烈和金融市场日益复杂的环境中，这些数据的可利用价值对于投资者的作用越来越大。但是，这些数据非常庞大，传统的数据处理方法远远不能对其进行有效的加工处理。因此，对这些数据进行综合分析的迫切性使得时间序列分析的研究显得尤为重要。 在这样的背景下，国内外学者对于证券、期货等金融衍生工具的收盘价格进行了建模分析，希望得出有效的预测方法。然而这些数据的庞杂、单一性和分析手段多样性等等的特点，使得要对其建立正确的模型提出很高的要求。目前学者们的工作大多集中在对数据进行处理分析和单一化的建模方法上，而忽略了可能存在的更好的建模方法。眼下学者们大多采用的是自回归滑动平均模型（ARMA模型）和广义自回归条件异方差模型（GARCH模型）。 选题意义 对于金融产品价格数据的庞杂，使得对其进行建立正确的模型提出了很高的要求。对于分析模型的多样性和它们得出的众多预测结果，使得投资者们对于未来价格的判断产生了彷徨。 因此，本文在针对这一不足，对选取的期货收盘价的数据采用传统的自回归滑动平均模型（ARMA）和广义自回归条件异方差模型（GARCH）进行分析和预测，比较出它们的孰优孰劣，提出一些投资者需要的建议以及提供有效的模型预测方法，因此是具有现实意义和时代意义的。 研究的基本内容与拟解决的主要问题 本文首先回顾前人的研究成果，介绍自回归滑动平均模型（ARMA模型）和广义自回归条件异方差模型（GARCH）模型，然后针对选取的金融产品价格数据分别进行建模和在其建立基础上的预测，通过比较得出模型的优劣；最后提出一些对投资者有利的建议。 本文的提纲如下： 1 绪论 1.1 引言 1.2 ARMA模型的介绍 1.3 GARCH模型的介绍 2 数据选取和初步处理 2.1 数据选取和平稳性检验 2.2 数据白噪声化 3模型及指标选取和数据来源 3.1 ARMA模型及指标选取和数据来源 3.2 GARCH模型及指标选取和数据来源 4 模型结果预测和比对 4.1 ARMA模型结果预测 4.2 GARCH模型结果预测 4.3模型预测结果及比对 5 建议5.1给投资者的一些建议 拟解决的主要问题 针对金融产品价格数据的模型建立。 在选取的数据基础上针对ARMA模型和GARCH模型的比较。 研究的方法与技术路线 研究方法 1.1 文献资料法：本文通过对时间序列分析的研究文献和资料进行深入的阅读和理解，对模型建立方法能够进行熟练的掌握。 1.2 模型分析法：本文在对金融产品数据进行初步加工处理的基础上利用EViews软件进行建模分析。 1.3 比较法：本文采用了对两种模型预测结果相比较的方法，在对现有金融数据进行分析预测，以期得出某些对投资者有意义的结论和建议。 技术路线 时间序列分析模型研究 时间序列分析模型研究 对数据平稳性检验和白噪声化 对数据平稳性检验和白噪声化 模型的介绍 模型的介绍 异方差效应检验 异方差效应检验 ARMA模型识别和参数估计GARCH模型识别和参数估计 ARMA模型识别和参数估计 GARCH模型识别和参数估计 模型预测结果的比较 模型预测结果的比较 研究结论和建议 研究结论和建议 研究的总体安排与进度： 阶段 内容 措施 2010.12 搜索信息，确定选题，研究计划，撰写开题报告 了解时事，收集、阅读相关文献、数据资料，请导师指导 2010.12—2011.1 对开题报告初稿进行修改、定稿，开题 进一步阅读相关文献，进行归纳总结、范畴界定 2011.1—2011.3 理论回顾与研究起点、范畴界定，进行理论分析 通过图书馆、因特网手段收集文献，进行模型等研究 2011.3—2011.4 设计指标，收集数据，进行实证分析，完成论文初稿撰写 通过网络、学校图书馆、市图书馆、互联网数据库收集数据，分析结果 2011.3—2011.5 论文修改，数据校对 征求导师修改意见，继续深入研究，完成论文修改 2011.5中旬 毕业论文定稿，完成相关材料的填写 仔细论证论文结构内容，理清主要观点，完成文字段落校对 2011.5下旬 答辩 论文打印，准备答辩 五、主要参考文献 [1]王振龙.时间序列分析.中国统计出版社.1993. [2]彭作祥.金融时间序列建模分析.西南财经大学出版社.2005. [3]潘红宇.金融时间序列模型.对外贸易经济出版社.2007. [4]张世英,许启发,周红.金融事件序列分析.2007. [5]特伦斯?C?米尔斯[英],俞卓菁/译.金融事件序列的经济计量学模型(第二版).经济科学出版社.2002. [6]武伟，刘希玉，杨怡，王努.时间序