基于arima-garch模型的股票价格预测研究 .pdfVIP

基于arima-garch模型的股票价格预测研究 .pdf

第28卷第4期河南教育学院学报(自然科学版)Vol.28No.4

2019年12月JournalofHenanInstituteofEducation(NaturalScienceEdition)Dec.2019

doi:10.3969/j.issn.10070834.2019.04.004

基于ARIMA-GARCH模型的股票价格预测研究

许舒雅,梁晓莹

(郑州大学商学院,河南郑州450001)

摘要:利用时间序列模型对宇通客车股票的收盘价格进行预测.首先利用ACF平稳性检验来判断时间序列是

否平稳,然后,选择ARMA、ARIMA、ARIMA-GARCH进行性能比较.最后,根据相关准则选择ARIMA-GARCH优化

模型对宇通客车股票价格进行预测.结果表明,构建的ARIMA-GARCH模型能更准确地预测宇通客车的股价.

关键词:股票价格;宇通客车;平稳性检验;ARIMA模型;GARCH模型

---

中图分类号:F830文献标志码:A文章编号:10070834(2019)04002005

0引言

随着我国股票市场的不断发展,购买股票已经成为人们最重要的投资手段之一,而股票价格的变动对于

股民的投资收益性十分重要.准确对股票的价格进行预测,有助于投资者做出正确的投资选择,降低亏损风

险,获得合理收益.股票价格的变化在一定情况下反映了经济运行的状态,给相关经济政策的制定提供科学

的决策依据.但在股票市场中,股票价格的变化受到许多复杂因素的共同影响,这给股票价格的准确预测带

来一定的难度.

目前对股票价格的预测研究已经有了大量的文献,提供了令人信服的经济论据和样本中的经验结果.吴

文峰等人[1]提出股票价格的波动源模型,并将其用于上证指数的实证研究中.WANG[2]研究了台湾证交所的

condictionalheteroscedasticity)模

股票价格指数,得出结论:数据中存在的波动性呈现出与ARCH(autogressive

式一致的趋势,若与人工神经网络相混合,则可以增强价格预测.LIU和MORLEY[3]表示使用传统的计量经

济模型进行建模,往往会导致非常严重的偏差.为了提高预测模型的精度,经济学界对传统的计量经济模型

autogressivecondictionalheteroskedast)的股票价格预测模

进行了广泛的改进,提出基于GARCH(generalized

[4]model)和卡尔曼滤波相结合,并将其用于烽火通信的股票价格预测

型.金瑶等将AR模型(autoregressive

中.王惠星等[5]根据上证50样本股的特性建立时间序列模型,发现该模型能够较好地模拟市场小样本投资

组合的走势.张颖超等[6]也用ARIMA(4,1,4)模型(autogressiveintegratedmovingaveragemodel)对未来股

价进行预测,结果表明,该模型能够在短期内比较精确地预测未来的上证指数.曹栋等[7]在股票价格指数的

生成过程中融入风险测量,构建了适应我国股市的高拟合程度的GARCH-M模型,其研究表明沪深300股指

期货能在一定程度上缓解股市波动.李丽[8]用ARMA-GARCH模型描述了股票价格和成交量之间的关系,结

果表明股票价格和成交量之间存在时变性.张贵生等[9]提出基于梯度因子的股票预测模型,用于股票综合