毕业设计论文ARMA在股指收益中的应用Word文件下载.doc
《毕业设计论文ARMA在股指收益中的应用Word文件下载.doc》由会员分享,可在线阅读,更多相关《毕业设计论文ARMA在股指收益中的应用Word文件下载.doc(28页珍藏版)》请在冰豆网上搜索。
指导教师:
(签名)
年6月5日
ARMA模型在股指收益中的应用
摘要
股票市场在金融市场中的作用越来越大,股市不仅为多元化的投资提供了渠道,而且承担着企业融资融券,社会经济资源的分配与宏观调控的大任。
并且由于股市受到各种各样复杂因素的影响,具有难以预测,风险大,收益高等特点。
本文旨在研究股指收益的预测问题,本文的主要研究工具是基于统计学理论的ARMA模型。
在经济研究中,特别是股票市场的研究方面,时间序列模型是描述客观经济过程并对其做出预测的一个常用的重要方法。
而其中ARMA模型又是比较经典的,比较成熟的模型,经常用来对股票指数进行预测,通过对股票时间序列的特性分析,然后经过模型的识别与定阶,并对模型参数做出比较精确的估计来实现模型对时间序列的拟合,从而以此拟合好的模型来对股票的未来市场做预测。
这种方法的数学基础比较严格,而且也有广泛的应用,近年来对ARMA的研究也有所增加和扩展,因此ARMA模型以及其扩展方向的研究不断的在经济学,甚至在工程学等领域都有广泛的应用。
本文详细介绍了平稳时间序列的特性,以及时间序列的分析工具:
自相关函数和偏自相关函数,并对传统的AR,MA,ARMA以及ARIMA模型做了论述,并应用用传统的ARMA模型对平稳的时间序列做拟合并以此对股票预期做出预测,此外本文的主要突破在于,对于股指市盈率等这类非平稳的时间序列,经过差分,先对非平稳的时间序列做一次或更多次的差分将其转化为平稳序列。
再对此差分序列建立了ARIMA模型,并以此做出预测。
本文采用的数据是上证指数的收益率以及市盈率序列,通过Eviews软件对这收益率序列建立MA
(1)模型,对市盈率序列先通过一阶差分化为平稳序列,然后对差分序列建立ARIMA(1,1,1)模型并做出预测。
关键字:
股指收益,ARMA模型,时间序列,自相关函数,偏自相关函数,预测,
Eviews软件
Abstract
Thestockmarket'
sroleinthefinancialmarketsismoreandmoreimportant,thestockmarketnotonlyprovidechannelsfordiversifiedinvestmentandbeartheroleofthemarginofenterprises,socialandeconomicresourcesallocationandmacro-control.Becausethestockmarketiseffectedbyavarietyofcomplexfactors,Ithasunpredictable,risky,highyieldcharacteristics.Thispaperaimstostudytheproblemofpredictingstockindexgains,themainresearchtool--ARMAmodelisbasedonstatisticaltheory.
Ineconomicresearch,especially
researchon
thestockmarket,thetime
seriesmodelisacommonlyusedimportantmethodtodescribethe
objective
economicprocessandtopredict
theeconomicprocess
.
ARMA
model
is
moreclassicandmoremature,Itoftenused
topredict
thestock
index,by
theanalysisofthecharacteristicsof
timeseries,andthen
throughthe
modelidentification
andorderdetermination,and
makea
moreaccurate
modelparameters.Then
wecanachieve
amorefittedestimated
timeseries
modelandtopredict
thefutureof
marketbetter.thismethodhas
amorestringentMathematicalbasis,butitalsohasawiderangeofapplications,inrecentyearsARMAresearchhasalsoincreasedandextend,soARMAmodelanditscontinuousexpansionisusedwidelyinthedirectionofeconomics,eveninengineeringandotherfields.
.Thispaperdescribes
thecharacteristicsof
stationarytimeseries
and
timeseriesanalysistools:
theautocorrelationfunctionand
partialautocorrelation
function.It
alsodescribes
thetraditional
AR,MA,ARMAand
ARIMA
models,Inthispaperweusethetraditional
tofittheStationary
inorder
thestockgain.inaddition,the
major
breakthrough
ofthispaperisthat
forsomenon-stationary
timeseriessuchas
price-earningsratio
forstockindex,throughthe
differential,wechangethe
non-stationary
into
stationaryseries.
AndthenbuilttheARIMAmodelandusethismodeltodotheprediction.
Thedataweusedinthispaperistheyieldseriesandtheprice-earningsratioseriesontheShanghaiStockIndex.WeusetheEviewssoftwaretoestablishtheMA
(1)modelforreturnseries.Andthenthroughthefirstdifference,wechangethenon-stationaryprice-earningsratioseriesintostationaryseries,thenbuilttheARIMA(1,1,1)modelanduseittodotheprediction.
Keywords:
StockReturn,ARMAmodels,timeseries,autocorrelationfunction,partialautocorrelationfunctions,forecasting,Eviewssoftware
第一章绪论 5
1.1论文选题背景 5
1.2现今股票市场预测研究 5
1.2.1研究股票预测的常用变量 5
1.2.2股票技术分析法 6
1.3论文的研究方法和结构 6
1.3.1论文的主要方法 6
1.3.2论文的结构 7
第二章ARMA模型概述 7
2.1自回归模型(AR) 8
2.2移动平均模型(MA) 9
2.3自回归移动平均模型(ARMA) 9
2.4奇次非平稳过程模型(ARIMA) 10
第三章随机时间序列的特性分析 11
3.1时序特性的研究工具 11
3.1.1自相关函数 11
3.2偏自相关函数 13
3.2.1AR(p)的偏自相关函数 13
3.2.2MA(q)过程的偏自相关函数 14
3.2.3ARMA(p,q)模型的偏自相关函数 14
3.3时间序列的特性分析 14
3.3.1时间序列的随机性 15
3.3.2时间序列的平稳性 15
3.3.3时间序列的季节性 16
第四章模型的识别与建立 17
4.1数据 17
4.2模型的识别与定阶 17
4.2.1模型的识别 17
4.2.2模型的定阶 20
4.2模型的参数估计 22
4.2.1初估计 22
4.2.1精估计 23
4.3模型检验 24
4.4模型预测 25
第五章模型的扩展 26
结论 26
致谢 27
参考文献 28
第一章绪论
1.1论文选题背景
至今为止,中国证券市场上越来越多的公司已经上市了,股票总市值比以前有了很大的提高。
与以往相比而言,越来越多的国内民众参与到股票市场中,所以现在许多证券从业人员都声称连菜市场的卖菜阿姨都在炒股了。
股票总市值在国民生产总值中所占的比例也有了大幅度的提高,股票市场对经济活动和日常生活的影响也越来越深。
因此,近年来对股票市场的研究越来越多。
本文主要是应用ARMA模型来对股指收益做研究。
股票指数是表明股票行情变化的价格指数。
是由证券交易所或金融服务机构利用自身的业务知识,便利的信息渠道以及熟悉市场的优势而编制的,表明股票行市变动的一种供参考的指示数字。
投资者可以根据这些指数来检验自己投资的效果,并用以对股票市场做出相应的预测。
对于股市是否可以预测性这个问题,一直以来都有很大的争议。
上世纪中后期的股票价格随机游动假说和市场有效性假说都认为股票是不可预测的。
然而大部分从事证券股票的行家都一致认为买股票就是买预期,他们觉得股票是可以预测的。
为了更好的预测股票市场,特别是对股指收益的预测,证券分析师以及各媒体等赋予股票指数的某些特定的数字特殊的意义,然后根据各种各样的理解进行各种不同的判断。
1.2现今股票市场预测研究
1.2.1研究股票预测的常用变量
现在在股票市场研究中,常用的研究变量有:
(1)综合指数:
描述整个股市的走势,是大盘分析的主要代表变量。
我国的股票指数主要分为上证综合指数和深证综合指数。
(2)流通市值:
流通市值指在特定时间内,当时可以交易的流通股的股数乘以当时股价得到的流通股票总价值。
这是一