基于ARMA模型的上证指数预测的实证报告.docx

基于ARMA模型的上证指数预测 的实证报告 基于ARMA模型的上证指数预测的实证报告 引言 生活中有很多问题都可以看成是时间序列问题，例如银行利率波动、股票 收益率变化以及国际汇率变动等问题。所谓的时间序列问题，是指某一统计对 象长时间内的数值变化情况。在实际应用中，经常会遇到许多不满足平稳性的 时间序列数据，尤其是在经济、金融等领域。因此，能否有效地挖掘非平稳时 间序列的有用信息，对于解决一些经济、金融领域的问题显得尤为重要。目前 关于预测股票价格的研究文章有很多，这些已有研究大都采用回归分析、组合 预测等方法对股票价格未来变动值进行探讨，得出股票价格在未来短期内的变 化趋势及预测值，但预测结果并不非常精准，存在较大的误差。注模型不仅 可用于拟合平稳性时间序列问题，而且对非平稳时间序列问题同样具有良好的 拟合效果，尤其是在金融和股票领域应用最为广泛。 本文主要针对2016-04-18 至2017-03-15 （共计222个工作日）期间上证 综合指数每日收盘价数据，建立上证综合指数每日收盘价预测模型， 采用 模型对上证综合指数每日收盘价进行高精度的拟合预测。研究结果表明，上证 综合指数每日收盘价在短期内将保持平稳上涨，不会有大幅涨跌的情况。研究 上证综合指数每日收盘价的短期变动情况了解股票市场变化及制定投资决策具 有现实意义，能够为投资者和决策者提供可靠的信息服务及决策指导。 1 ARMA模型的理论介绍及平稳性检验 1.1冲（卩熄）模型建模流程 1） 时间序列的预处理，用斤叮山」」模型预测要求序列必须是平稳的，若 所给的序列是非平稳序列，则必须对所给序列做预处理，使其为平稳非白噪声 序列。 2） 计算出样本自相关系数和偏自相关系数的值。 3）根据样本自相关系数和偏自相关系数，选取适当的」U* 模型进行 拟合。 4） 估计出模型中的未知参数。 5） 检验模型的有效性，如果拟合模型通不过检验，转向步骤 3，重新选择 模型再拟合。 6） 模型优化：如果拟合模型通过检验，仍然转向步骤 2，充分考虑各种可 能，建立多个拟合模型，从所有通过检验的模型中选择最优模型。 7） 利用拟合的模型，预测序列的将来走势。 1.2川川模型的理论介绍 1M R模型是指利用以前的观察值和当前的干扰值并通过一定的线性组合来 进行预测与分析。占尺模型的数学公式为： 几=01X^1 + 冷沙 z + - + + 坯 （1） 式中：夕=为一个平稳时间序列，如? =儿2可 表示4耳模型的待定系 数，p表示4耳模型的阶数，务为误差。 2^1模型是利用以前的干扰值和当前的干扰值并通过一定的线性组合来 进行预测。模型的数学公式为： 儿=务一％爲7 — 一务坯虫一￡卩热戶 （2） 式中：儿为一个平稳时间序列，吩 =表示月左模型的待定系 数，P表示4H模型的阶数，兔为误差。 3）^MA模型：是由模型和模型组合而成，主要用于描述平稳随机 过程，数学公式为： 厂汇片厂忙1二"化， %- 1 - 2： - （3） 1.3厂:恥7「:模型的定阶方法 一般而言，可以根据序列的自相关系数与偏自相关系数选择合适的模型。 (1)若自相关系数为拖尾，偏自相关系数为 护阶截尾，贝诞择 伙逆询 模型 ⑵ 若自相关系数为□阶截尾，偏自相关系数为拖尾，贝诞择 M — 模型 ⑶ 若自相关系数和偏自相关系数都为拖尾，则选择 \r：v I rr 模型。 如果难以确定ARMA模型的阶数，还可以通过二兀 准则来确定。 1.4 cRJb：模型的平稳性检验—— .2尸检验 cDF检验的基本思想：首先对 Aue Aue = c + 石叫-% + Ef i=l (4) 作回归，构造ADr检验统计量： (5)ADF= (5) 其中，-凉j列为参数占的样本标准差。 计算出AH-检验统计量后，查ADF临界表，看是否可以拒绝原假设＜5 =匚＜ 若RF的绝对值超过4DF临界值的绝对值，贝U不接受原假设 选择接受原假设E」，说明该序列非平稳 2上证综合指数每日收盘价的实证分析与预测 查找上证综合指数每日收盘价的历史数据，时间区间是2016-04-18 查找上证综合指数每日收盘价的历史数据，时间区间是 2016-04-18 貯心模型的建2017-02-28，共有211个工作日作为样本内数据。主要是基于 貯心模型的建 2.1原始数据的平稳化处理 图1上证指数每日收盘价历史数据Pnot?■jl -r 图1上证指数每日收盘价历史数据 Pnot? ■jl -r ? ir- ■ i ^rlr 1 ■■:r：ili- ?- 1061303 017233 Tt5l CTTbzal^JUBj-： -3.4&147B *MacKinftnn ■冊j 从图1可以看出，上证综合指数每日收盘价在 2016-04-18至2017-02-28期 间