时间序列论文——中国股市的时间序列预测Word格式文档下载.doc
《时间序列论文——中国股市的时间序列预测Word格式文档下载.doc》由会员分享，可在线阅读，更多相关《时间序列论文——中国股市的时间序列预测Word格式文档下载.doc（12页珍藏版）》请在冰豆网上搜索。
它有具有随机性但又不是完全随机；
它非常容易从各种渠道获得。
因此，众多学者以及股票投资者甚至操盘手都希望能从中找出某些规律对股票价格或收益率进行准确预测。
如果能得到一个比较较准确的预测是意义重大的。
时间序列分析方法是近代发展起来的定量预测方法，相比起预测其他事物，它尤其适用于经济时间序列。
因为经济现象涉及的因素较多，关系比较复杂，从而难以用常规的量化模型进行预测分析。
相比于发达国家的市场经济体制，我国股市一方面具有优化资源配置的功能，但区别于成熟的发达国家股市，我国股市同时又具有投机性强，不稳定因素多的特点。
本文采用ARMA模型对我国股市时间序列进行研究，并对其在分析我国股市时间序列的表现进行评价，得出一些简单的结论，在最后也对预测这件事情本身对于股票的影响进行了一些思考。
关键词中国股市时间序列分析ARMA模型预测
目录
第一章绪论
1.1题目的研究意义
1.2本文研究的主要内容与思路
第二章我国股市时间序列的计量模型
2.1 ARMA模型的一般形式
2.2我国股市时间序列的ARMA模型
2.2.1样本的选择
2.2.2样本的诊断模型识别
2.2.3模型的定阶及估计结果
2.2.4结果分析与讨论
第三章总结与延伸
3.1 预测与被预测对象
第一章绪论
1.1题目的研究意义
金融是国民经济的命脉，它的稳定对国民经济的稳定发展有着重要的作用。
另一方面，从世界各地的金融风波所引起的灾难性后果可以看出，金融市场出现动荡必将造成整个国民经济的波动。
股票市场是金融市场的重要组成部分，因此也与国民经济发展密切相关。
我国股票市场具有后发优势，具有以下几种功能：
1.融资功能2.资产，资金，资本的再配置功能3.传递信息、发现价格、评估绩效、约束管理者等功能。
一些学者利用股价指数对工业生产指数进行回归分析，发现股价指数能提前反映经济周期的变动，是经济周期的指路灯。
人们十分关注股票时间序列，其原因主要是两个方面：
一是样本容易获得，无论是开盘价收盘价，甚至成交量乃至于每一笔交易细节都可以从各大媒体证券公司轻松获得；
二是因为股票时间序列随机性十分强，但又有内在的经济原因的必然性，所以吸引人们对其进行预测分析，试图探索出其中的必然规律。
本文应用了时间序列分析方法-ARMA模型对我国股市时间序列建立模型进行分析，对ARMA模型的应用结果进行评价，同时考虑样本的选取过程，对该种分析方法在分析我国股市时间序列的应用上试图得出一些结论。
本文得出的一些思考可以给一些股市的投资者起到一定借鉴。
1.2本文研究的主要内容与思路
本文首先用ARMA模型对我国股票市场时间序列样本进行分析预测，对ARMA模型的应用及其结果进行讨论，对评判模型的指标进行评价并对我国股市波动难以预测的原因进行探讨。
时间序列分析方法是一种唯象分析方法，这种分析方法的缺陷在于：
1.结论缺乏一般性，某种分析方法对某个样本可能得到满意的结果，但是分析另一个样本时结果可能很不理想，非常依赖于选取的样本和参数；
2.对模型结果的解释，不同的人可以得出不同的甚至矛盾的结论，甚至有时候难以得出合理的解释，对于不同的样本必须选取一个合适的模型才能得到一个容易接受的结果；
3.唯象分析方法本质上是一种知其然而不知其所以然的方法，因此它难以指出改进的方向，只能得出样本特征等的一般结论。
从某种角度上说，时间序列分析方法与股市投资上广为应用的技术分析方法具有相同的理论基础。
它们都认为，事物的运动发展规律已经包含在时间序列中，而且这种规律一直有效。
也就是说保证这种规律发生的前提条件保持不变，换言之，被研究对象是一个稳定的系统。
问题便由此产生了，这个前提假设是否真的是满足的呢？
本文最后对此进行了一些思考。
第二章我国股市时间序列的计量模型
2.1ARMA模型的一般形式
若序列当前值yt是现在和过去的误差或冲击值以及先前的序列值的线性组合：
yt=ϕ1yt-1+ϕ2yt-2+……+ϕpyt-p+a1-θ1at-1-θ2at-2-……-θqat-q
称上式为yt序列的自回归滑动平均模型，简记为ARMA（p,q）模型，p,q分别表示自回归与滑动平均的阶数，相应的参数ϕ1，ϕ2，……，ϕp与θ1，θ2，……，θq分别称为自回归和滑动平均系数。
若使用后移算子，则上式可以写成ϕ（B）yt=θ（B）at。
ARMA模型在股市时间序列分析中应用较少。
该模型未在股市时间序列分析中广泛采用的原因可能是，股市时间序列本质上是一种非线性关系的时间序列这一观点已被广泛接受，而ARMA模型是一种线性模型，所以并不能对所有情况广泛试用。
2.2我国股市时间序列ARMA模型
2.2.1样本的选择
股市的各种数据貌似随机，是一系列偶然的产物，乍看之下是完全不可测的，股市的数据又好像隐藏着某种规律性，某一时期的数据往往在另外一段时期不同程度上重现，尤其是与整体金融环境的对应上。
金融时间序列有一个特点，那就是样本的发生频率非常高，在很短的时间内可以取得容量很大的样本。
金融时间序列样本很容易获得，人们很容易从相应的年鉴或者因特网上获得所要求的数据。
由于ARMA模型建立在严密的统计学理论基础之上，因此对样本的容量，样本的性质有一定的要求。
它要求样本时间序列必须是一个平稳过程，样本的选取除了满足上述条件以外，尽量考虑有影响的大盘股或者大盘指数。
在选取样本的过程中我发现，当使用满足样本容量要求的上证综合指数或者深圳成份指数时无法取得满足平稳性要求的样本。
对样本进行差分以后虽然可以得到平稳时间序列，但是无法建立具有满意的拟合优度的模型。
因此在这里将目标从综合指数转向龙头股。
这里选择了中国石化A股这一个具有统治地位的龙头股近2月余的日收盘价（2013/8/1，2013/10/18）共50个数据进行模型建立和分析。
2.2.2样本的诊断、模型识别
首先用ADF单位根检验，检验该时间序列是否具有单位根。
检验结果见下图：
当置信度取5%时，可以看出该序列不含单位根，也就是可以认为该序列平稳。
序列的自相关和偏自相关系数图也显示大多数自相关和偏自相关系数值落在置信区间（-2/n0.25，2/n0.25）里面，因此可以认为该序列是一个随机时间序列，可以对该样本建立ARMA模型。
2.2.3模型的定阶及估计结果
对于自回归过程，模型的偏自相关系数是截尾的。
对滑动平均模型，它具有截尾的自相关系数。
因此这两种模型的定阶比较容易，对于ARMA（p，q）模型中p,q的识别，不可能像AR和MA模型中的pq那样有明显的识别法则，使用Eviews软件进行分析，结果见下图：
于是采用ARMA（1，1）模型。
用Eviews进行模型估计：
从模型的估计结果可以看出，各项系数的统计检验值均显著，所估计方程调整的拟合优度为0.67模型的建立比较理想。
拟合结果图如下：
其中，AF两条曲线基本拟合相近，平稳度5%也比较优秀，残差基本为0均值的白噪声，所以可以说拟合结果是相当不错的。
拟合方程为：
yt=0.99967yt-1+at+0.1422at-1
2.2.4结果分析与讨论
由拟合结果可以看出，各项系数的统计检验值均显著。
从建模结果可以看出，拟合效果还是比较理想。
观察建立模型的结果，我们可以发现一个有趣的问题：
当前值主要取决于前期的样本值和误差冲击值。
这种差别的含义是，模型表示股票的价格与前期的相关，有着非常强的序列性。
由于当期价格与上期价格的紧密联系，可以在一定程度上证明我国股市存在着期间效应。
也就是说股市收益率在一定时期内不同交易日不同，普遍的观点认为我国股市存在期间效应。
期间效应的存在说明我国股票交易者对股市信息的消化以及作出反应需要时间，表明交易者对自己拥有的信息的数量与质量并没有把握，很容易受到影响。
另一方面这个结论对我国股市是否达到了有效提出了疑问。
从建立模型所用的样本以及样本选择过程来看建立该模型的样本容量不大（仅50个），而且波动也不大（整体不超过10%），算是一个小熊市。
如果样本数量取大一些，或者波动剧烈一些，则模型拟合效果会更差，平稳性将不能保证，以至于没办法建立理想的ARMA模型。
用线性ARMA模型分析预测我国股市时间序列，应用范围非常有限。
因为ARMA模型本身是一种线性模型，模型的设定形式十分明确，明确的线性模式使得应用该模型分析预测我国股市时间序列受到极大的限制。
因作者能力有限，仅能使用ARMA模型进行分析，在此致歉。
股市本身是一个复杂多变的系统，股市时间序列是这个系统中各个因素相互之间作用的表现结果，试图用简单的线性模型来分析预测我国股市时间序列从理论上来说不容易取得成功，也不可能得到靠谱准确的预测结果。
但不容忽视的是，由于ARMA模型是一种预测精度较高的短期时间序列分析方法，该模型在分析我国股市时间序列上，尤其是中线的稳定大盘股上应该有一定的前景。
尽管股市时间序列的非线性已被广为认可但短期样本很可能满足线性要求。
另外ARMA模型可以与其它模型结合使用使它的应用范围得到进一步拓展，因此尽管实践中应用ARMA模型分析我国股市时间序列不多见，但不能简单断定它在这一领域无法有所作为。
另ARMA模型的难度相对较低，也容易理解，实现较为方便，更是我们掌握时间序列，学习时间序列的好途径。
3.1预测与被预测对象
在本文中，我对中石化这支大盘股进行了立足于时间序列分析上的预测。
而这个预测本身是否有更多的意义呢？
当我们考察预测的精确性的时候，是通过将预测值与实际值对比根据两者之间的偏差来判断预测的精确与否。
这里隐含的假定是预测对被预测对象的发展不发生任何影响。
对自然科学领域的预测这种假定相对比较容易满足，比如对一些自然现象进行预测性研究。
但对经济领域的时间序列这条假定几乎无法得到满足：
在经济领域中，预测的最终目的是为了决策，因此预测的结论必然对被预测对象有一种反馈性的影响。
而这种影响往往是被忽略了，依照数学方法进行的预测，其结果可以被很多投资者获知。
投资者获知预测结果进行决策，庄家资金集团根据预测结果进行反向资金操作，从而使现实情况将严重偏离原先的预测值。
根据这种情况，预测对于散户投资者的意义将几乎不存在，预测将成为实力庄家控制大盘走向的武器。
股票市场只能一定程度上反映经济走势，其具体细节主要依靠资金流动。
在这种情况下，股价的预测的准确率是非常低的。
附表：
中国石化股票交易日收盘价表
4.43
8月1日
4.44
4.46
4.39
4.37
4.53
4.54
4.5
4.52
4.4
4.36
4.41
4.45
4.47
4.61
4.65
4.69
4.64
4.58
4.49
4.42
4.38
4
升级会员 