您所在位置：网站首页 > 商业/管理/HR > 管理学资料基于arma模型对浦发银行股价预测的实证分析王筱涵

基于arma模型对浦发银行股价预测的实证分析王筱涵

6页

卖家[上传人]：小**

文档编号：90757598

上传时间：2019-06-16

文档格式：DOC

文档大小：92.50KB

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

12 金贝

/ 6 举报版权申诉马上下载

文本预览

下载提示

常见问题

1、基于ARMA模型对浦发银行股价预测的实证研究西南民族大学20152016学年第2学期2015级硕士生金融市场计量经济学课程期末论文论文名称：基于ARMA模型对浦发银行股价预测的实证分析任课老师：杜红艳开课学院：经济学院课程名称：金融市场计量经济学学院：经济学院专业：金融学学号：跟读姓名：王筱涵 2016年7月9日摘要时间序列分析是经济领域运用研究最广泛的工具之一，ARMA模型是一种最常见的时间序列模型。本文利用ARMA模型，对浦发银行（600000）的每日开盘价格（2015年7月1日，星期三2016年6月30日，星期四）进行分析，以此预测下一个交易日（2016年7月1日，星期五）的开盘价格，并与真实的开盘价格进行对比。关键词：时间序列；ARMA模型；股价预测一、引言时间序列分析是从一段时间上的一组时间上的一组属性值数据中发现模式并预测未来值的过程。ARMA模型是一种用于拟合平稳序列的模型，对于满足有限参数线性模型的平稳时间序列的分析，它用有限参数线性模型描述时间序列的自相关结构，便于进行统计分析与数学处理。本文从微观角度，利用ARMA模型结合浦发银行数据建立模型

2、并进行预测，多数经济时间序列存在惯性，通过对这种惯性的分析可以由过去和现在值对未来进行预测，对中小投资者的短线投资具有更大的参考意义。二、实证分析1、数据说明由于时间序列模型往往需要大样本，所以这里我从新浪股票网站获取了浦发银行2015年7月1日至2016年6月30日的开盘价格，总计一年的价格，共262个样本。由于法定假日以及股票停牌等原因，导致股票价格不完整，所以首先对空缺日期的数据进行补充，处理方法为取前一天的开盘价格为空缺日期当日的开盘价格。图2.1.1 浦发银行2015.7.1至2016.6.30股票价格趋势图数据来源：新浪财经网站（http:/ 平稳性检验从图2.1.1可以看出有一定的趋势走向，为非平稳的时间序列；并且回执自相关图和偏自相关图并进行单位根检验，根据向相关图缩减速度很慢以及单位根检验结果统计量的P值大于0.05可以判断该序列为非平稳的。因为序列是非平稳的时间序列，所以对其取对数并进行一阶差分，然后进行ADF检验，通过1%的显著检验，即数据一阶差分后平稳。表2.2.1 数据ADF检验结果t-StatisticProb.*Augmented Dickey-Ful

3、ler test statistic-15.075630.0000Test critical values:1%level-3.4553875%level-2.87245510%level-2.572660可以看出查分后明显得到Augmented Dickey-Fuller test statistic为-15.07563，其绝对值明显大于1%显著水平下的临界值-3.455387，所以可以通过平稳性检验。在对序列进行correlogram specification后得到自相关图和偏自相关图衰减速度很快以及unit root test结果T统计量的P值大于0.05也可以判断该序列为平稳序列。3、模型识别与定阶观测一阶差分数据dln的AC和PAC图，看到其均没有明显的截尾性，尝试用ARMA模型。根据偏自相关图可知p=6，并根据自相关图得到q等于5或者6，尝试不同的的滞后项q，根据akaike info criterion和schwarz criterion最小化以及R-squared最大化的原理来确定ARMA(P,Q)模型。经过比较不同的模型得到最终模型ARMA (6,5)并选取ARI

4、MA(6，1，5)模型作为预测模型。表2.3.1不同ARMA 模型比较ARMA(P,Q)ARMA(6，5)ARMA(6，6)Akaike info criterion-5.000096-4.998446Schwarz criterion-4.847336-4.931413R-squared0.1576020.1628034、 ARMA模型的检验对于ARMA (6，5),其所有变量系数均通过T检验，说明变量显著；prob（F-statistic）=0.0008小于0.05，说明通过F检验，方程总体显著；Durbin-Warson stat=1.984477，约等于2,说明不存在自相关。模型的特征根倒数在单位圆内，说明模型稳定，综上所述，说明模型ARMA(6，5)是可取的。对于ARIMA（6,1,5）模型，对其残差序列进行检验，其残差的AC和Q统计检验发现其残差自相关基本在0附近，且Q值基本通过检验，残差不明显存在相关，即可以认为查查重没有包含太多信息，模型拟合基本符合。5、股价预测使用以上模型对浦发银行2016年7月1日的股票开盘价格即兴预测得出预测值为15.72元每股，实际值为15.

5、57，其Root Mean Squared Error为0.027119，因此可以认为该模型可以较为准确地预测浦发银行的股价趋势。三、结论本文利用浦发银行历史交易开盘价格作为时间序列进行分析，发现其股价的变化趋势，并以此来预测未来交易日的开盘价格，误差较小，取得良好的效果，可以对中小投资者的短期投资活动提供一定的参考依据，具有一定的现实意义。但是，股票价格的时间序列是非平稳的的时间序列，对其进行差分后会损失很多信息，所以估计的时间序列模型的决定系数不高。再者，本文针对浦发银行的数据进行预测，预测的结果只能适用于同行业的相似银行有一定的参考价值。第三，ARMA模型的预测只能是适用于短期预测，时间较长产生的误差会较大，因此此模型对于长期投资的参考价值不大。综上所述，ARMA模型较好的解决了非平稳的时间序列的建模问题，可以在时间序列的预测方面有很好的表现。借助Eviews软件，可以很方便的将ARMA模型用于金融等时间序列问题的研究与预测方面。参考文献1克里斯布鲁克斯著，邹宏元译.金融计量经济学导论M.西南财经大学出版社,2005.62易丹辉.数据分析与Eviews应用M.中国人民大学出版社,20083冯盼,曹显兵.基于ARMA模型的股价分析与预测的实证研究J,数学的实践与认识,2011.114梁妍,夏乐天.时间序列ARMA模型的应用J,重庆理工大学学报,2012,8 6

《基于arma模型对浦发银行股价预测的实证分析王筱涵》由会员小**分享，可在线阅读，更多相关《基于arma模型对浦发银行股价预测的实证分析王筱涵》请在金锄头文库上搜索。

点击阅读更多内容

TA的资源