时间序列分析课程设计报告.docx
《时间序列分析课程设计报告.docx》由会员分享,可在线阅读,更多相关《时间序列分析课程设计报告.docx(19页珍藏版)》请在冰豆网上搜索。
时间序列分析课程设计报告
安徽建筑大学
时间序列分析课程设计报告书
题目:
基于时间序列分析的股票预测模型研究
院系数理学院
专业统计学
班级统计学三班
学号11207040302
姓名朱敏
指导教师俞泽鹏
基于时间序列分析的股票预测模型研究
摘要
在现代金融浪潮的推动下,越来越多的人加入到股市,进行投资行为,以期得到丰厚的回报,这极大促进了股票市场的繁荣。
而在这种投资行为的背后,越来越多的投资者逐渐意识到股市预测的重要性。
所谓股票预测是指:
根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。
这种预测行为只是基于假定的因素为既定的前提条件为基础的。
但是在股票市场中,行情的变化与国家的宏观经济发展、法律法规的制定、公司的运营、股民的信心等等都有关联,因此所谓的预测难于准确预计。
即使是证券分析师的预测也只能作为股民入市操作的一般参考意见。
时间序列数据因为接受到许多偶然因素的影响,会常常表现出随机性,在统计学上称之为序列的依赖关系。
时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测经济数据。
在股票市场上,时间序列预测法常用于对股票价格趋势进行预测,为投资者和股票市场管理管理方提供决策依据。
本文主要介绍了时间序列分析方法的概念,性质,特点以及时间序列模型,包括建模时对数据时间序列的预处理、模型识别、参数估计、模型检验、模型优化以及模型预测等。
并根据道琼斯指数对收盘价进行短期预测,通过对时间序列分析理论的实证研究分析,建立时间序列模型,说明时间序列分析的方法对于股票价格的预测趋势有一定的参考价值。
关键词:
股票,预测,时间序列分析,AR
(1)模型
ABSTRACT
Inthemodernfinancialwave,moreandmorepeoplejointhestockmarkettoinvest,expectingtogetrichreturn,whichhasgreatlypromotedthestockmarket’sprosperity.Whileunderthisbehavior,anincreasinglargenumberofpeoplebecometorealizetheimportanceofstockforecast.Theso-calledstockforecastisdefined:
withthehelpofthestock’srecentcondition,we’llpredictthefuturestock’sdevelopment,includingitslaterdevelopmentdirectionsandfluctuations.Thispredictionbasedontheassumptionofbehavioristheprerequisiteforestablishedfactorbasis.Butthestock’sindexisalwayschangingwiththecountry’smacroeconomicdevelopment,theformulationoflawsandregulations,thecompany’soperations,theconfidenceofinvestorsandsoon,whichresultsinthatitisverydifficulttoaccuratelypredict.Evensecuritiesanalysts’forecastresultscanonlybeoperatedasageneralreference.Time-seriesdataoftenshowsomekindsofrandomnessanddependencebetweeneachotherbecauseoftheinfluenceofvariousaccidentalfactors.Timeseriesanalysisisoneofthemostimportanttoolsforeconomyresearch,anditdescribethevariationofdatawithtime,andusedtoforecasteconomicdata.Timeseriesanalysisisoftenusedtopredictthestockprice,whichprovidesdecision-makingbasisforinvestorsandthestockmarketmanagers.Thisthesismainlyintroducestimeseriesanalysistheory,includingitsnotion,characteraswellastheexpressionanddescriptionofsomemodelsderivedfromit,includingmethodofdatasimulation,methodofparameterestimationandmethodoftestingdegreeoffittingandarrangethembythenumbers.AndaccordingtotheDowJonesindex,wemaypredicttheclosingpricetrendforshort-termwiththehelpoftimeseriesanalysistheory.Thereforewecanestablishsomemodels,wecouldprovethatthemethodhassomevalueforpredictingthestock’strendbymeansofmodelfittingeffectanderroranalysis.
Keywords:
stock,predict,timeseriesanalysis,AR
(1)model
1、引言
1.1研究背景
1.2研究意义
1.3选题依据
2、基于时间序列分析的股票预测模型
的实例分析
2.1绘制时序图
2.2平稳性检验
2.3纯随机性检验
2.4模型的识别与拟合
2.5模型的检验
2.6序列预测
1、引言
股票是股份公司(包括有限公司和无限公司)在筹集资本时向出资人发行的股份凭证,代表着其持有者(即股东)对股份公司的所有权。
这种所有权是一种综合权利,如参加股东大会、投票表决、参与公司的重大决策、收取股息或分享红利等。
每个股东所拥有的公司所有权份额的大小,取决于其持有的股票数量占公司总股本的比重。
股票一般可以通过买卖方式有偿转让,股东能通过股票转让收回其投资,但不能要求公司返还其出资。
股东与公司之间的关系不是债权债务
关系。
股东是公司的所有者,以其出资额为限对公司负有限责任,承担风险,分享收益。
股票的特点:
(1)不可偿还性;
(2)参与性;(3)收益性;(4)流通性;(5)价格波动性和风险性。
股票市场是已经发行的股票按时价进行转让、买卖和流通的市场,包括交易所市场和场外交易市场两部分。
由于它是建立在发行市场基础上的,因此又称作二级市场。
相比而言,股票流通市场的结构和交易活动比发行市场更为复杂,其作用和影响也更大。
自从股票市场出现之后,一些投资者就积极研究其发展规律和发展趋势,并希望从中获得巨大的经济利益。
1.1研究背景
股票市场与国家的经济紧密相连,是金融市场的重要组成部分,经济学家将其称为国家经济的晴雨表,可见股票市场的变化时刻反映国家的经济状况。
但是从某种角度看,它是缺乏统一的秩序的,即没有一定的规律性。
尽管人类创造了股票,但是却不了解它的运行规律。
自从股票市场产生以来,不计其数的经济学家和数学家亲尽全力试图去研究它,并创造出了许多的股票模型,以求了解它的发展规律。
股票价格的预测技术历史悠久,近年来有越来越多的学者假如到这个行列,所以又出现了很多的新方法与新理论。
尽管有很多的理论与技术出现,但总的来说,分为基本分析理论和技术分析理论两大类。
基本分析是根据股票的的供求关系来研究股票的价格走势,预测其发展趋势和发展规律。
技术分析是通过对股票的技术指标,将各个属性量化,研究其发展趋势。
基本分析的宗旨是对于现行的股票的价格是否合理作出假设并由此描述出长期的发展趋势,而技术分析对于投资者来说是为了把握时间上的合理度,即分析投资者何时可以买进何时可以卖出,为投资者提供决策分析。
近些年来,随着计算机技术的应用,人们对于股票分析的理论与技术的研究提高到更深的层面;呈现出多种理论与技术方法交叉的趋势,出现了跨学科、跨层次的研究,像近些年来出现的模糊数学、人工智能、神经网络、支持向量机和信息算法等各种预测分析理论的融合技术。
1.2研究意义
金融市场中最让人着迷的问题就是研究证券的规律,包括证券价格的定价方法,证券价格的内在规律以及价格的未来走势等。
所以说,不管是经济学方面的专家学者或者数学、计算机研究领域的佼佼者都报着极大的兴趣,试图通过各种研究方法来揭示证券价格的内在规律。
美国有最发达的股票市场,大规模,多层次,以机构投资者为主,与实体经济发展息息相关,以及监管严格,投机性小等特点。
基于以上市场成熟性的特点,并且由于时间序列分析在研究金融市场的一些显著优势,使得我们利用此理论预测金融市场有了非常大的必要。
而相对于美国发达的股票市场和严格的监管制度,我国的证券市场还不成熟,所以时间序列分析理论对分析研究我国金融市场就显得更加重要。
1.3选题依据
本文之所以采用时间序列的分析方法,其考虑有以下几点,时间序列分析理论的模型比较多,其中的模型不但可以描述平稳时间序列也可以描述非平稳序列,可选择性较强;第二,拟合的精度也比较高,它把拟合模型产生的误差也计算入内;第三,模型很好地反映了序列值之间的关系。
时间系列的分析方法对于股票价格的预测在实际应用中确实有很好的应用价值。
采用各类时间序列统计模型的主要目的就是较大限度地综合利用股票的历史数据信息,尽可能提高预测精度,尤其在经济、管理和统计研究领域,已成为改进和提高预报精度的重要途径。
2、实例分析
浙江广厦近期收盘价原始数据部分截图
2.1绘制浙江广厦收盘价的时间序列图
在Eviews软件中打开实验数据
给序列命名为settlement
\
点击ok绘出的时序图如下
时序图分析:
由以上时间序列图可以看出,该序列值始终围绕着一个固定值3.5上下波动,所以可以大致认为它是平稳的,下面使用单位根检验法进行平稳性检验。
2.2平稳性检验
使用单位根检验法点击view-unittoottest
结果分析:
由以上结果可以看出,t统计量对应的p值为0.0063,小于0.05,所以拒绝原假设,即该序列是平稳的。
2.3纯随机性检验
点击quick-seriesstatiseics-correlogram
在窗口输入序列名称如图
点击OK,结果如下:
结果分析:
由最后一列的p值,可以看出延迟6阶、12阶、18阶Q-统计量对应的p值都小于0.05,所以该序列为非纯随机性序列,可以继续研究。
2.4模型的识别及拟合
1、模型的识别:
由以上的自相关和偏自相关图可以看出,该序列的自相关系数拖尾,而偏自相关系数1阶截尾,所以应该用AR
(1)模型来进行拟合。
2、模型的拟合及参数检验
依次点击Quick----EstimateEquation,然后输入
settlementcar
(1)。
如下图:
点击确定后结果如下
结果分析:
由以上结果,t-统计量对应的p值全都小于0.05,所以拒绝原假设,参数都是显著地,该AR
(1)模型较好的拟合了数据。
所以该模型为AR
(1)模型。
2.5模型的检验(白噪化检验)
检验模型是不是显著,主要就是检验残差是不是纯随机性的,下面对残差进行白噪化检验。
具体操作如图所示
点击ok,结果如图
结果分析:
由上面残差的自相关和偏自相关图,看最后列的Q-统计量对应的p值,发现所有的p值都大于0.05,所以残差是白噪化的,即该模型的拟合是显著地。
2.6序列预测
1、首先进行自变量的扩展,在主程序中输入:
expand1210.
把预测区间改为205210,如下图所示:
OK后结果如下
然后再打开settlementf序列,可以看到预测的6个数据如下
为对比看,把settlement序列与settlementf序列作为一组打开,并绘成图。