基于時間序列模型的上證指數擬合度比較分析研究.pdf

1、對于股票價格時間序列預測研究的必要性已經成為實務界和學術界的普遍共識,但是股票價格時間序列本身具有復雜性、多樣性和善變性,并且有許多因素在在影響著股票的變化,由于這些影響股市的因素,有些可以度量,有些卻難以度量,因此很難將所有的因素都通過計算量化評價從而進行科學研究的計算和評價?，F代統(tǒng)計學對于股票市場的研究存在的問題是往往看重樣本內的擬合效果,研究優(yōu)化各種模型從而達到對樣本內數據的完美的回歸,而對樣本內擬合精度的日益嚴格要求往往使得人們

2、忽略了研究模型的魯棒性,無法將樣本內優(yōu)異的擬合度推廣到樣本外,尤其是面對股票市場長期走勢不斷出現的突變,不具有快速的反應能力,樣本內外的擬合度相差過大反而使預測不具有實用性和前瞻性。而本文試圖在對傳統(tǒng)以及現代一些流行的統(tǒng)計模型進行比較分析的基礎上選擇出樣本內樣本外擬合度誤差最小,且長期表現更為穩(wěn)定的模型,使預測更具實用性。
　　目前對股票價格的分析和預測盡管有大量的分析工具和模型,但總的大類可以分為基本面分析,技術分析和統(tǒng)計類分析

3、,而本文將要討論的就是其中的經濟統(tǒng)計類分析。事實上,60年前就已經出現有關股票價格的時間序列預測研究,但因為影響股票價格的因素多變復雜且難以定義,每個人的理解和運用都不同,因此對應而使用的時間序列預測方法也多種多樣,但總體來看可以分成兩大類:第一類是較為傳統(tǒng)的統(tǒng)計學方法,包括AR, MA, ARMA, ARIMA, ARCH和GARCH等,以及其后在其基礎上衍生的統(tǒng)計方法包括本文將會采用的狀態(tài)空間模型,而另一類是近幾年來普遍流行的以人工

4、神經網絡模型為代表的計算智能方法。本文通過分別回顧并總結迄今為止現有的關于股票價格時間序列預測的兩大類方法,并進而基于現有的關于股票價格時間序列預測的國內外研究現狀進行現有研究的評述,指出當前研究存在的問題,并對1998年以來的股票數據進行實證分析,對AR, ARMA,狀態(tài)空間模型和人工神經網絡模型分別進行固定模型下的滾動預測和滾動更新模型下的滾動預測兩種實證分析,論文在對四種模型進行擬合度的比較后得出簡單模型的擬合情況雖然在短期內較差