時間序列分析課程設計報告--基于時間序列分析的股票預測模型研究

1、<p>　　時間序列分析課程設計報告書</p><p>　　題目：基于時間序列分析的股票預測模型研究</p><p>　　院 系 數(shù)理學院 </p><p>　　專 業(yè) 統(tǒng)計學 </p><p>　　班 級

2、 統(tǒng)計學三班 </p><p>　　學 號 </p><p>　　姓 名 </p><p>　　指導教師 </p

3、><p>　　基于時間序列分析的股票預測模型研究</p><p><b>　　摘要</b></p><p>　　在現(xiàn)代金融浪潮的推動下,越來越多的人加入到股市,進行投資行為,以期得到豐厚的回報,這極大促進了股票市場的繁榮。而在這種投資行為的背后,越來越多的投資者逐漸意識到股市預測的重要性。所謂股票預測是指:根據(jù)股票現(xiàn)在行情的發(fā)展情況地對未來股市發(fā)展

4、方向以及漲跌程度的預測行為。這種預測行為只是基于假定的因素為既定的前提條件為基礎的。但是在股票市場中,行情的變化與國家的宏觀經(jīng)濟發(fā)展、法律法規(guī)的制定、公司的運營、股民的信心等等都有關聯(lián),因此所謂的預測難于準確預計。即使是證券分析師的預測也只能作為股民入市操作的一般參考意見。時間序列數(shù)據(jù)因為接受到許多偶然因素的影響,會常常表現(xiàn)出隨機性,在統(tǒng)計學上稱之為序列的依賴關系。 時間序列分析是經(jīng)濟預測領域研究的重要工具之一,它描述歷史數(shù)據(jù)隨時間變化

5、的規(guī)律,并用于預測經(jīng)濟數(shù)據(jù)。在股票市場上,時間序列預測法常用于對股票價格趨勢進行預測,為投資者和股票市場管理管理方提供決策依據(jù)。 本文主要介紹了時間序列分析方法的概念,性質(zhì),特點以及時間序列模型,包括建模時對數(shù)據(jù)時間序列的預處理、模型識別、參數(shù)估計、模型檢驗、模型優(yōu)化以及模型預測等。并根據(jù)道瓊斯指數(shù)對收盤價進行短期預測,</p><p>　　關鍵詞：股票，預測，時間序列分析，AR（1 ）模型</p>

6、<p><b>　　ABSTRACT </b></p><p>　　In the modern financial wave, more and more people join the stock market to invest, expecting to get rich return, which has greatly pro

7、moted the stock market’s prosperity. While under this behavior, an increasing large number of people become to realize the importance of stock forecast. The so-called stock forecast is defined: with the help of the st

8、ock’s recent condition, we’ll predict the future stock’s development, including its later development directions and </p><p>　　Keywords: stock, predict, time series analysis, AR（1） model</p><

9、;p><b>　　目錄</b></p><p><b>　　引言</b></p><p><b>　　1.1研究背景</b></p><p><b>　　1.2研究意義</b></p><p><b>　　1.3選題依據(jù)</b>

10、</p><p>　　基于時間序列分析的股票預測模型</p><p><b>　　的實例分析</b></p><p><b>　　2.1繪制時序圖</b></p><p><b>　　2.2平穩(wěn)性檢驗</b></p><p><b>　　2.3

11、純隨機性檢驗</b></p><p>　　2.4模型的識別與擬合</p><p><b>　　2.5模型的檢驗</b></p><p><b>　　2.6序列預測</b></p><p><b>　　引言</b></p><p>　　股票是股

12、份公司（包括有限公司和無限公司）在籌集資本時向出資人發(fā)行的股份憑證，代表著其持有者（即股東）對股份公司的所有權。這種所有權是一種綜合權利，如參加股東大會、投票表決、參與公司的重大決策、收取股息或分享紅利等。每個股東所擁有的公司所有權份額的大小，取決于其持有的股票數(shù)量占公司總股本的比重。股票一般可以通過買賣方式有償轉(zhuǎn)讓，股東能通過股票轉(zhuǎn)讓收回其投資，但不能要求公司返還其出資。股東與公司之間的關系不是債權債務</p><

13、p>　　關系。股東是公司的所有者，以其出資額為限對公司負有限責任，承擔風險，分享收益。股票的特點：（1）不可償還性；（2）參與性；（3）收益性；（4）流通性；（5）價格波動性和風險性。 </p><p>　　股票市場是已經(jīng)發(fā)行的股票按時價進行轉(zhuǎn)讓、買賣和流通的市場，包括交易所市場和場外交易市場兩部分。由于它是建立在發(fā)行市場基礎上的，因此又稱作二級市場。相比而言，股票流通市場的結構和交易活動比發(fā)行市場更為復雜

14、，其作用和影響也更大。自從股票市場出現(xiàn)之后，一些投資者就積極研究其發(fā)展規(guī)律和發(fā)展趨勢，并希望從中獲得巨大的經(jīng)濟利益。 </p><p><b>　　1.1研究背景</b></p><p>　　股票市場與國家的經(jīng)濟緊密相連，是金融市場的重要組成部分，經(jīng)濟學家將其稱為國家經(jīng)濟的晴雨表，可見股票市場的變化時刻反映國家的經(jīng)濟狀況。但是從某種角度看，它是缺乏統(tǒng)一的秩序的，即沒有

15、一定的規(guī)律性。盡管人類創(chuàng)造了股票，但是卻不了解它的運行規(guī)律。自從股票市場產(chǎn)生以來，不計其數(shù)的經(jīng)濟學家和數(shù)學家親盡全力試圖去研究它，并創(chuàng)造出了許多的股票模型，以求了解它的發(fā)展規(guī)律。 股票價格的預測技術歷史悠久，近年來有越來越多的學者假如到這個行列，所以又出現(xiàn)了很多的新方法與新理論。盡管有很多的理論與技術出現(xiàn)，但總的來說，分為基本分析理論和技術分析理論兩大類?；痉治鍪歉鶕?jù)股票的的供求關系來研究股票的價格走勢，預測其發(fā)展趨勢和發(fā)展規(guī)律。技術

16、分析是通過對股票 的技術指標，將各個屬性量化，研究其發(fā)展趨勢。</p><p>　　基本分析的宗旨是對于現(xiàn)行的股票的價格是否合理作出假設并由此描述出長期的發(fā)展趨勢，而技術分析對于投資者來說是為了把握時間上的合理度，即分析投資者何時可以買進何時可以賣出，為投資者提供決策分析。 </p><p>　　近些年來，隨著計算機技術的應用，人們對于股票分析的理論與技術的研究提高到更深的層面；呈現(xiàn)出多種

17、理論與技術方法交叉的趨勢，出現(xiàn)了跨學科、跨層次的研究，像近些年來出現(xiàn)的模糊數(shù)學、人工智能、神經(jīng)網(wǎng)絡、支持向量機和信息算法等各種預測分析理論的融合技術。</p><p><b>　　1.2研究意義</b></p><p>　　金融市場中最讓人著迷的問題就是研究證券的規(guī)律，包括證券價格的定價方法，證券價格的內(nèi)在規(guī)律以及價格的未來走勢等。所以說，不管是經(jīng)濟學方面的專家學者或

18、者數(shù)學、計算機研究領域的佼佼者都報著極大的興趣，試圖通過各種研究方法來揭示證券價格的內(nèi)在規(guī)律。 </p><p>　　美國有最發(fā)達的股票市場，大規(guī)模，多層次，以機構投資者為主，與實體經(jīng)濟發(fā)展息息相關，以及監(jiān)管嚴格，投機性小等特點?；谝陨鲜袌龀墒煨缘奶攸c，并且由于時間序列分析在研究金融市場的一些顯著優(yōu)勢，使得我們利用此理論預測金融市場有了非常大的必要。而相對于美國發(fā)達的股票市場和嚴格的監(jiān)管制度，我國的證券市場還不

19、成熟，所以時間序列分析理論對分析研究我國金融市場就顯得更加重要。</p><p><b>　　1.3選題依據(jù)</b></p><p>　　本文之所以采用時間序列的分析方法，其考慮有以下幾點，時間序列分析理論的模型比較多，其中的模型不但可以描述平穩(wěn)時間序列也可以描述非平穩(wěn)序列，可選擇性較強；第二，擬合的精度也比較高，它把擬合模型產(chǎn)生的誤差也計算入內(nèi)；第三，模型很好地反映

20、了序列值之間的關系。 時間系列的分析方法對于股票價格的預測在實際應用中確實有很好的應用價值。采用各類時間序列統(tǒng)計模型的主要目的就是較大限度地綜合利用股票的歷史 數(shù)據(jù)信息，盡可能提高預測精度，尤其在經(jīng)濟、管理和統(tǒng)計研究領域，已成為改進和提高預報精度的重要途徑。 </p><p><b>　　實例分析</b></p><p>　　浙江廣廈近期收盤價原始數(shù)據(jù)部分截圖<

21、;/p><p>　　2.1繪制浙江廣廈收盤價的時間序列圖</p><p>　　在Eviews軟件中打開實驗數(shù)據(jù)</p><p>　　給序列命名為settlement</p><p><b>　　\</b></p><p>　　點擊ok繪出的時序圖如下</p><p>　　時序圖

22、分析：由以上時間序列圖可以看出，該序列值始終圍繞著一個固定值3.5上下波動，所以可以大致認為它是平穩(wěn)的，下面使用單位根檢驗法進行平穩(wěn)性檢驗。</p><p><b>　　2.2平穩(wěn)性檢驗</b></p><p>　　使用單位根檢驗法點擊view -unit toot test</p><p>　　結果分析：由以上結果可以看出，t統(tǒng)計量對應的p值

23、為0.0063，小于0.05，所以拒絕原假設，即該序列是平穩(wěn)的。</p><p><b>　　2.3純隨機性檢驗</b></p><p>　　點擊quick-series statiseics -correlogram</p><p>　　在窗口輸入序列名稱如圖</p><p>　　點擊OK，結果如下：</p>

24、;<p>　　結果分析：由最后一列的p值，可以看出延遲6階、12階、18階Q-統(tǒng)計量對應的p值都小于0.05，所以該序列為非純隨機性序列，可以繼續(xù)研究。</p><p>　　2.4模型的識別及擬合</p><p><b>　　1、模型的識別：</b></p><p>　　由以上的自相關和偏自相關圖可以看出，該序列的自相關系數(shù)拖尾，

25、而偏自相關系數(shù)1階截尾，所以應該用AR(1)模型來進行擬合。</p><p>　　2、模型的擬合及參數(shù)檢驗</p><p>　　依次點擊Quick----Estimate Equation，然后輸入</p><p>　　settlement c ar(1)。如下圖：</p><p><b>　　點擊確定后結果如下</b>

26、</p><p>　　結果分析：由以上結果，t-統(tǒng)計量對應的p值全都小于0.05，所以拒絕原假設，參數(shù)都是顯著地，該AR(1)模型較好的擬合了數(shù)據(jù)。所以該模型為AR(1)模型。</p><p>　　2.5模型的檢驗（白噪化檢驗）</p><p>　　檢驗模型是不是顯著，主要就是檢驗殘差是不是純隨機性的，下面對殘差進行白噪化檢驗。具體操作如圖所示</p>

27、<p><b>　　點擊ok,結果如圖</b></p><p>　　結果分析：由上面殘差的自相關和偏自相關圖，看最后列的Q-統(tǒng)計量對應的p值，發(fā)現(xiàn)所有的p值都大于0.05，所以殘差是白噪化的，即該模型的擬合是顯著地。</p><p><b>　　2.6序列預測</b></p><p>　　1、首先進行自變量的擴

28、展，在主程序中輸入：expand 1 210.</p><p>　　把預測區(qū)間改為205 210，如下圖所示：</p><p><b>　　OK后結果如下</b></p><p>　　然后再打開settlementf序列，可以看到預測的6個數(shù)據(jù)如下</p><p>　　為對比看，把settlement序列與settlem