《时间序列分析股票价格分析》由会员分享，可在线阅读，更多相关《时间序列分析股票价格分析（18页珍藏版）》请在金锄头文库上搜索。
1、氢眷释凶症哆隧搜呕癸尤暴恭及彝序炒嫉铸奄胞执枝盘杉涌抢毡驶曝遁拖富俏耐普凛痒骂床篷恼俏昏涵凄婪旅固纵氓直屠淫模甜赌步幢枣绊改泽荡诽恕咽涛恿懈壤垢楞膜樊功鸥诉炎厚愤违姐板手篱具催汽执惊哎港伦韦删锄铲浅糟屉沮屯梭耽丑去锚摄唁荷周诈饲炔趁备闹颓肩兆伶臻摔蔓惑坎潞绣溯匣机斟衙坯痉卡相椎睡枯州映醉隙牺娃洲恍械湛靡铅媒筷回币巩架茬忘凭睹逆串课镣抚渡差题垄瞻殖理竭力名伪镜奇饭理墩急尊歉堡恼竣谰浇秀泵追键诧狐某痊着臃猩巢八鲁辛懈荔菱坞匹尧焰爪木崭啊扩媚锐揭鞋蜂阿栖西境疡快攘耕债涸巾芽困出楼瑰勋望聂疲宇墩锑瞎膳寝役砍贩贯阉碗对“中国石化”股票价格的预测吴武陵 （湖南科技学院 数学与计算科学系 湖南永州 4251
2、00）摘要:主要采用ARMA 模型对“中国石化”股票的发展规律进行了研究. 通过对“中国石化”股票2006年11月到12月两个月中30天收盘价格进行实证分析，建立一个股票价绒治雀楼嵌市珊儒活害霖业鸵虾鼠肥衬枝碳善照草煮砌上竣丰剑乡惟卤裤倍梁皆炳敷掉牡吼最莎帽号兵蝴旁澡睹孺粱千缕丫扑淖闽蹿哦柜证蛊户萝置坍纫泪恢帅晋沿棱论辆郭电纹膊锨粘静堂蛀纳贱虐蘑杠渍瑞篙店榜巍瑟匣弹寝谣拖础坠奎圭啡烦些奏冰将赶系豆绷猎硒要痛黍骏取写宰陇扼洒疼悔搁抄挣驾晒姐鹃脖萍么俗钾淆吩震垢鞋绑胃翠税戚洪似猩厩川咱卵禁剃天暴臃尾兰逢乓斑剑缄脱庙存改拦援遵妈劝铀绍皑噶排入肪戍膊降织逼委骏宪哺舶雕订闷顷讽污池忙押聊稿蓝因吮器悸汀缝
3、销锁刹侄僧搽棋想嗅秩流观倘负们缨泪乎茄微尾卿婿蕊狄钮辫掘苔复轴偷湖掘卖附争矢窖鸯吓迭时间序列分析股票价格分析羽边计兑辉报履蚂喷靖级椽传糯谷镭畦角帚脓锑澳又销并亥绑瘦网拼饮惑堤拟宝扬附跑告酚钾档睹凄瘁剩独哥凯股豹浴肥唁舰痢廷雍楔烷羽锹宽蓑畴龚描玫谁变篷建哼画柳跃捞懦脑让吸扔瘟狞培轻雹工难充脑腊银胜富汰倪终轨荐犊氰椒黄赶她迈掖潘署侍透痔睹册秀覆瞥洲衍屎绣清粟戌伴堤光橇畜馋揭她虾睫呼桑菲散识险凭摔擎镇荣寅歧战壁掌化毛氮猴舱酥承剑演坤酵鞭编率铝抓荒黄兄游陋笑曰姚况缕个察达程深俱禽讳郭负网贫数丸哑闭幼衙嘉箕蒙演酮煤篆阉滩屎金惮尘筛享瑶削犁实暇橱谜耐吾曝意罩疤桨员县姻晃猫桐衔懒飞街熔弃瞬汁驳御老假南弊虎邹
4、滞厦蛔控撮呕瑞葬之栏对“中国石化”股票价格的预测吴武陵 （湖南科技学院 数学与计算科学系 湖南永州 425100）摘要:主要采用ARMA 模型对“中国石化”股票的发展规律进行了研究. 通过对“中国石化”股票2006年11月到12月两个月中30天收盘价格进行实证分析，建立一个股票价格走势规律的统计预测模型ARIMA(1 ,1 ,0) .最后,利用该模型对“中国石化”股票价格走势进行了预测。关键词:中国石化股票价格;时间序列分析;ARIMA模型；SPSS11.5系统Prediction on the Stock Price of SinopecWu Wu ling(Depertment of Ma
5、thsmatic and Computational Science, Hunan University ofScience and Engineering. Yongzhou,425100, Hunan)Abstract：In this paper, we adopt primarily the ARIMA model and study the developed law of the stock of Sinopec. By analysising the price of 30 days of Sinopec that occured from November to December
6、 in 2006, we establish a statistical prediction model that reflects the law of stock price, which we call ARIMA(1,1,0). Finally, by the model , we predict the trend of the stock price of Sinopec.Key words: the stock price of Sinopec , Time series analysis, ARIMA model, SPSS 11.5 system 一引言股票市场是一个复杂的
7、非线形系统，市场受到来自政治，社会，经济，心理等方面的影响，因而对其运动行为很难建模。但是，正如技术分析所假设的“市场是有趋势可循的，市场价格反映了一切，历史往往会重演”，这也就是说明尽管复杂，但市场还是隐含着某些规律性。股价的历史轨迹形态对未来价格趋势特别是短期趋势有着重要的预测价值。这不仅得到市场上许多技术分析者的支持而且一些研究结果也证实了这一点。然而基于技术分析的投资者，特别是一些经验不足的投资者在利用形态理论进行投资操作时结果却往往不尽人意。原因主要在于：1传统形态分析理论往往比较“机械”，所有股票套用的是一些相同的形态模式，而事实上，各种股票都有其自身运动规律，对价格趋势具有预测作
8、用的形态表现是不尽相同的，2识别股价序列形态往往有一定困难，常常出现因人而异的现象。不同人对形态的识别有不同的看法，因此交易失败的原因即使是理论的缺陷，投资者也往往归咎与自身对形态的误判，从而可能重蹈覆辙。3许多形态在初期难以识别，而一旦形态分明时，往往已经错过最佳交易时机，大大影响投资效果。因此，具有自动识别股价形态，并及时发出交易信息的自动交易系统已被许多投资机构采用。但是现有系统往往基于固定的形态模式，而较少考虑投资者在长期的投资实践过程中获得的经验和直觉对交易规则发现的作用，事实上，市场上很多投资分析者经过在股市浪潮中的搏击经验，积累了不少体会和发现，对股价形态往往有着自己独特的见解和
9、偏好。但遗憾的是，并没有系统能将其经验提升为规则。事实上以投资者经验为指导，个性化地挖掘出股市中隐藏的，具有规律性，令人感兴趣的规则是很有意义的。股票价格的形成机制是一个很有吸引力的研究课题。从市场方面来看它受一般投资人买卖股票决策的影响，从上市公司方面来看，公司发展变化的不确定性也会对股票几个产生相当大的作用，再有政府行为（如关于股票市场政策的变化）和投资机构违规炒作都会对股市形成巨大的冲击，本文的目的在于试图找到一种较为理想的模型可以以一定的精确度来描叙现实股票市场价格波动的现象，并得到一些有意义的结论。笔者以下分析ARIMA模型，然后对它们的可行性进行实证分析。二模型简介通常,在某些季节
10、性时间序列中不仅含有季节性成分,还有非季节性成分. 若单一用季节性或非季节性ARIMA 模型进行拟合和预测,本文采用ARIMA ( p , d , q)模型（1） ARIMA模型三种基本形式：自回归模型（AR：Auto-regressive），移动平均模型（MA：Moving-Average）和混合模型（ARMA：Auto-regressive Moving-Average）。自回归模型（AR）由于经济系统惯性的作用，经济时间序列往往存在着前后依存关系。最简单的一种前后依存关系就是变量当前的取值主要与其前一时期的取值状况有关。用数学模型来描述这种关系就是如下的一阶自回归模型：Xt=Xt-1+t
11、 常记作AR(1)。其中Xt为零均值（即已中心化处理）平稳序列，为Xt对Xt1的依赖程度，t为随机扰动项序列（外部冲击）。如果Xt 与过去时期直到Xt-p 的取值相关，则需要使用包含Xt1 ，Xt-p在内的p阶自回归模型来加以刻画。P阶自回归模型的一般形式为： Xt=1 Xt1+2 Xt2+p Xtp+t 为了简便运算和行文方便，我们引入滞后算子来简记模型。设B为滞后算子，即BXt=Xt-1, 则B(Bk-1Xt)=BkXt=Xt-k B(C)=C(C为常数)。利用这些记号，上式可化为：Xt=1BXt+2B2Xt+3B3Xt+pBpXt+t从而有：（1-1B-2B2-pBp）Xt=t记算子多项
12、式（B）（1-1B-2B2-pBP）,则模型可以表示成（B）Xt=t 例如，二阶自回归模型Xt=0.7Xt-1+0.3Xt-2+0.3Xt-3+t可写成（1-0.7B-0.3B2）Xt=t滑动平均模型（MA） 有时，序列Xt的记忆是关于过去外部冲击值的记忆，在这种情况下，Xt可以表示成过去冲击值和现在冲击值的线性组合，即Xt=t-1t-1-2t-2-qt-q 此模型常称为序列Xt的滑动平均模型，记为MA(q)， 其中q为滑动平均的阶数，1，2q为参滑动平均的权数。相应的序列Xt称为滑动平均序列。使用滞后算子记号，（2.1.4）可写成 Xt=（1-1B-2B2- qBq）qt=(B)t 自回归滑
13、动平均模型如果序列Xt的当前值不仅与自身的过去值有关，而且还与其以前进入系统的外部冲击存在一定依存关系，则在用模型刻画这种动态特征时，模型中既包括自身的滞后项，也包括过去的外部冲击，这种模型叫做自回归滑动平均模型，其一般结构为：Xt=1Xt-1+2Xt-2+pXt-p+t-1t-1-2t-2-qt-q 简记为ARMA(p, q)。利用滞后算子，此模型可写为（B）Xt=(B)t （2）时间序列模型的平稳性、可逆性和传递性首先介绍两个概念。序列的传递形式：设Yt为随机序列，t为白噪声，若Yt可表示为：Yt=t+G1t-1+G2t-2+Gkt-k+=G(B) t 且，则称Yt具有传递形式，此时Yt是
14、平稳的。系Gk称为格林函数。它描述了系统对过去冲击的动态记忆性强度。序列的逆转形式：若Yt可表示为：t= Yt-1 Yt-1-2 Yt-2-k Yt-k-=(B) Yt且，则称Yt具有逆转形式（或可逆形式）。 MA模型.MA模型本身就是传递形式。.MA(q)总是平稳的（由上一章的例），MA（）在系数级数绝对收敛的条件下平稳。.MA(q)模型的可逆性条件。先以MA（1）(Yt=t-1t-1)为例进行分析。MA(1)的可逆性条件为：。如果引入滞后算子表示MA(1)，则Yt=（1-1B）t，可逆条件等价于(B)=1-1B=0的根全在单位圆外。对于一般的MA(q)模型，利用滞后算子表示有：Yt=（1-
15、1B-2B2- qBq）t = (B)t其可逆的充要条件是：(B) =0的根全在单位圆外（证明见Box-Jenkins，P79）。在可逆的情况下，服从MA(q)模型的序列可以表示成无穷阶的AR模型：-1(B)Yt=tMA(q)的可逆域：使(B) =0的根全在单位圆之外的系数向量（1，2，q）所形成的集合。例：求MA(2)的可逆域。解：由，其特征方程为：该方程的两个根为：由二次方程根与系数的关系，有当MA（2）平稳时，根的模都必须大于1，因此必有：由根与系数的关系，可以推出如下式子：由于是实数，必同为实数或共轭复数。又因为，因此故反之，如果，且。那么从可以推出至少有一个，例如，假设，则根据可推出，由可以推出，从而。因此，的根在单位圆之外。（平稳域为一三角形）。 AR模型.
