基于ARIMA-GARCH模型的股票分析与预测——以长城汽车为例.pdfVIP

基于ARIMA-GARCH模型的股票分析与预测——以长城汽车为例.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

基于ARIMA-GARCH模型的股票分析与预测

——以长城汽车为例

收稿日期:2023年9月12日;录用日期:2023年10月3日;发布日期:2023年10月16日

摘要

本文利用时间序列模型对长城汽车股票的收盘价格进行了短期预测。选取了长城汽车(601633)股票

2021年1月4日至2023年3月20日的收盘价作为样本数据,使用R软件建立ARIMA、ARIMA-GARCH模型

分别对该股票价格进行预测比较。结果表明,ARIMA、ARIMA-GARCH对股票价格的短期预测都有一定

的参考意义,但是对于带有异方差的时间序列,ARIMA-GARCH模型的预测性能更好,说明该模型存在

着相应的参考价值和现实意义,ARIMA-GARCH模型可以为一般投资者以及相关投资机构提供股票投资

决策参考。

关键词

股价预测,长城汽车,ARIMA模型,ARIMA-GARCH模型

StockAnalysisandPredictionBasedon

ARIMA-GARCHModel

—TakingGreatWallMotorasanExample

Abstract

Inthispaper,theclosingpriceofGreatWallMotorstockispredictedinashorttermbyusingtime

seriesmodel.TheclosingpriceofGreatWallMotor(601633)fromJanuary4,2021toMarch20,

2023isselectedassampledata,andARIMAandARIMA-GARCHmodelsareestablishedbyusingR

金涛

softwaretoforecastandcomparethestockpricerespectively.TheresultsshowthatARIMAand

ARIMA-GARCHhavecertainreferencesignificanceforshort-termforecastingofstockprices,but

ARIMA-GARCHmodelhasbetterforecastingperformancefortimeserieswithheteroscedasticity,

whichshowsthatthemodelhascertainreferencevalueandpracticalsignificance.ARIMA-GARCH

modelcanprovidereferenceforinvestorsandrelatedinvestmentinstitutionstomakestockin-

vestmentdecisions.

Keywords

StockPriceForecast,GreatWallMotor,ARIMAModel,ARIMA-GARCHModel

1.引言

股票市场作为金融市场中最重要的组成部分之一,对投资者和机构来说具有巨大的吸引力和挑战性。

股票市场的价格波动受到众多因素的影响,包括经济指标、公司业绩、市场情绪等,这使得股票价格的

预测变得非常复杂而具有挑战性。然而,准确预测股票价格对投资决策和风险管理至关重要。在过去的

几十年中,许多经济学家和研究者提出了各种各样的模型来解决股票市场预测的问题。时间序列分析是

一种基于时间的数据分析方法,它利用过去的观测值来推断未来的走势和模式。

传统的时间序列模型如ARIMA(AutoregressiveIntegratedMovingAverag)和GARCH(Generalized

AutoregressiveConditionalHeteroskedasticity)被广泛应用于股票价格的分析和预测。刘红梅[1](2008)用

ARIMA模型对鞍钢股份股票价格序列进行了短期的动态预测。吴玉霞[2](2016)用ARIMA模型对华泰证

券250期的股票收盘价进行建模,发现ARIMA模型对于短期动态、静态的预测效果较好,而对于长期

趋势预测的偏差会

文档评论(0)

论文顾问 + 关注
实名认证
服务提供商

从事办公室文字工作,提供论文格式排版 、专业学术论文参考资料、文章写作、论文答辩PPT模板、会议筹备指导等服务,经验丰富,已从事七年。互相信任,保证质量,全程包修改,负责到通过。 微X号:lhg511823

1亿VIP精品文档

相关文档