上证指数的时间序列预测模型

上证指数的时间序列预测模型作者：朱宁，徐标，仝殿波，ZHUNing，XUBiao，TONGDian-bo作者单位：桂林电子科技大学,计算科学与数学系,广西,桂林,541004刊名：桂林电子工业学院学报英文刊名：JOURNALOFGUILINUNIVERSITYOFELECTRONICTECHNOLOGY年，卷(期)：2006，26(2)被引用次数：4次参考文献(10条)1.黄永兴我国股价指数的时间序列模型研究[期刊论文]-安徽工业大学学报（自然科学版）2002(04)2.赵志峰对建立中国股票价格指数时间序列模型的探讨[期刊论文]-统计与信息论坛2003(01)3.安德洪基于季节ARIMA模型的电力负荷建模与顶报[期刊论文]-天津大学学报2004(02)4.范正绮.王祥云ARIMA模型在汇率时间数列预测中的作用1997(03)5.丁守銮.康家琦.王洁ARIMA模型在发病率预测中的应用[期刊论文]-中国医院统计2003(01)6.张树京.齐立心时间序列分析简明教程20037.邓祖新SAS系统和数据分析20028.本杰明·格雷厄姆.戴维·多德.邱巍证券分析19999.范龙振.王海涛.何华我国股票市场指数及指数证券投资组合[期刊论文]-管理科学学报2002(05)10.LEEBB.O'CONNELLRTForecastingandTimeSeries2003相似文献(10条)1.学位论文王鸿燕上证指数的交易周的日效应检验及其非线性动态结构分析2006由于传统线性回归模型中关于独立同方差的假设并不适合用来描述金融市场中的价格与收益行为，所以，许多统计学家和计量经济学家都开始尝试用改进的方法来更好地定量描述各种金融市场活动。2003年的诺贝尔经济学奖获得者美国经济学家罗伯特·恩格尔于1982年提出了方差随时间变化的自回归条件异方差(ARCH)模型，Bollerslev又于1986年进一步提出了广义自回归条件异方差(GARCH)模型。此后，ARCH模型的一些扩展模型也被相继提出，形成ARCH族模型。由于该模型被认为是最集中反映了金融市场数据方差变化的特点而被广泛应用于金融数据时间序列分析中。本论文利用ARCH族模型以及多元统计基本理论，以1996-2005年近十年的上海证券交易所指数的收盘价作为观察对象，分析了上证指数的非线性动态结构，并且通过对ARCH模型的标准化残差进行BDS检验以及比较模型的均方根误差，得出最优的拟合模型。另一方面，针对近十年来许多学者研究的证券市场的交易周的日效应问题，本论文采用不同的、较简单的多元统计的办法，即建立回归模型及采用Wald检验的方法来考察上海股票交易市场是否存在这种效应以及若存在是否稳定等问题。有助于探索我国股票市场的统计规律、规范我国股票市场。2.学位论文黄喆基于RBF神经网络的上证指数预测研究2009股票市场是我国资本市场的重要组成部分，在推动我国经济发展中起到了重要的作用。为了更好地理解股票市场以及为了获得更多的收益，股市的预测成了众多投资者及学术研究人员的热点问题。上证指数是研究和判断股票价格变化趋势必不可少的参考依据，它一定程度上反映了我国的经济实力，是宏观经济的晴雨表，也是分析微观经济的重要指标，所以研究上证指数走势的预测方法具有相当重要的现实意义和应用价值。将神经网络方法用于金融数据预测是近几年发展起来的。RBF神经网络由于其结构简单，训练简洁且学习收敛速度快，能够逼近任意非线性函数，故在时间序列分析、模式识别、非线性控制等领域有着较为广泛的应用，是近年来神经网络应用的热点模型之一。本文在简要介绍了股票及股票市场相关情况后，介绍了神经网络相关理论，在将近三年的上证指数数据分为四段后，分析了RBF神经网络在上证综指预测中不同时间段下的适用性，找到了适合各段时间的训练样本数，并在最后比较了单步预测与滚动预测的预测精度，对上证指数的一段数据进行了预测和拟合。论文最后得到以下几点结论：一，在数据相对稳定时期10天的滑窗较合适，在数据波动较频繁时期3到5天的滑窗预测较合适；二，在数据波动过频繁时，RBF网络预测精度很差，需更换其它模型；三，适合于各时段的训练样本大小空间为130-150，样本大小为140时，较具通用性；四，过多或过少的训练样本对预测精度均有较大影响；五，大部分时段下，滚动预测没有单步预测精度高。3.学位论文王红莲连接函数（Copula）理论及其在金融中的应用2006Copula一词原意为连接，它把多个随机变量的边缘分布连接在一起形成联合分布。变量间的相关结构完全由Copula决定，而各变量的统计特征由其边缘分布确定。与我们描述变量问相关关系常用的相关性相比，Copula描述的多元随机变量间的相关结构可以提供更准确的信息，目前Copula已经成为流行的多变量建模工具。本论文主要研究Copula理论及其在多变量金融时间序列分析上的应用。论文系统地总结Copula理论，并运用Copula理论结合中国股市数据进行了两个实证研究，分别是沪深两指数收益序列间相关性研究和Copula理论在投资组合市场风险度量上的应用。1、论文对Copula理论做了系统全面地梳理和总结，全面介绍Copula的概念、分类和性质，并详细总结了Copula用于多变量数据建模的方法，包括建模过程中的参数估计方法和非参数估计方法，模型的拟合，以及最优Copula的判别方法。2、本文将单参数两元阿基米德族Copula应用于中国股市相关性研究，研究上证指数(000001)和深证成指(399001)日对数收益序列间的相关关系。在边缘分布GARCH-t假设下构建Copula模型，使用MLE估计边缘分布的参数，使用一步法估计Copula函数的参数，对单参数两元阿基米德族Copula中20种Copula进行了对照研究，综合使用图形检测法和解析方法选择对数据拟合较好的Copula模型，研究表明上海、深圳股市指数收益率序列之间存在较强的正相关关系，并且上证指数和深证成指曰收益率间存在非对称的尾部相关性。3、本文使用Copula构建模型来蒙特卡罗模拟投资组合风险因子的收益。使用椭圆族Copula对由10支股票构造的投资组合进行市场风险分析，直接利用椭圆族Copula的模拟算法，模拟组合收益数据。计算不同边缘分布假设(正态、t分布和GARCH-t)、不同Copula函数假设(tCopula，NormalCopula)下的VaR与CVaR，与历史模拟法得到的数据对照，得到结论：由相同Copula函数构建的模型，不同的边际分布假设对计算结果影响不大，GARCH-t边际分布假设下计算结果稍好一点；而相同边际分布假设下，不同Copula函数的选取对计算结果影响较大;NormalCopula低估投资组合市场风险，合适自由度的tCopula对投资组合相关结构的解释能力更强，表明tCopula可以更有效地捕捉极值事件。4.学位论文涂黎晖希尔伯特-黄变换和GMDH方法在金融时间序列分析中的应用2008证券系统变量之间的相互关系十分复杂,用通常情况下的方法来处理的效果都不是十分理想。利用自组织数据挖掘算法--数据分组处理(GMDH算法)可以挖掘出数据变量之间的相互关系,而且这种关系可以用显式函数表示出来,相比其它方法要理想.文章最后利用GMDH算法对上证指数200天的历史数据进行分析处理,对收盘价进行预测,预测的效果比一般的ARIMA模型要理想。传统的时间序列分析方法是在建立一定的假设之下,处理非平稳序列时往往会遇到一些困难,如傅立叶分析方法在处理非平稳时间序列时难以在时域和频域同时达到很高的精度,而传统的时间序列模型法对一些非平稳时间序列建模时可能会产生严重的失真。1998年由美籍华人N.E.Huang提出的希尔伯特-黄变换方法是一种数据分析方法,该方法由经验模态分解(empiricalmodedecomposition)和HSA(Hilbertspectrumanalysis)两部分组成。该方法在处理非平稳数据时有其独特的优势,能够不受Heisenberg测不准原理制约。因此希尔伯特-黄变换方法能够弥补传统方法在处理具有极强非线性,非平稳特性的金融时间序列分析上的不足。5.学位论文刘鑫分形插值法在中国证券市场指数分析中的运用——兼论中国证券市场的分形特征2009在研究分形市场与分形时间序列相关理论的前提下，论文以M.F.Barnsley提出的分形插值理论为基础，搜集了1998年至2009年间的中国沪深证券市场部分证券指数，运用分形插值方法对其进行了实证研究，分析了沪深证券市场股价指数变化的自相似性。论文利用偏度与峰度检验方法检验了沪深证券市场具有代表性的上证指数和深证成分指数收益率序列的正态性，结果表明沪深证券市场不满足有效市场假设的正态性条件，从而为用分形理论和分析方法研究中国证券市场奠定了基础。在阐述了分形时间序列的相关性理论和重要特征后，对经典重标极差分析法（R/S分析法）进行了系统分析，运用该分析法证实中国证券市场收益序列存在长期相关性，并大致给出了长期相关的时间长度。以正态性检验和分形时间序列分析结论为前提，论文建立了沪深证券市场指数的分形插值模型，分析并讨论了中国证券市场各类指数变化的分形拟合效果，在此基础上进一步运用分形插值外延法对上证指数的未来走势作了初步的预测，并分析了该分形预测方法的有效性。在研究分形市场与分形时间序列相关理论的前提下，论文以M.F.Barnsley提出的分形插值理论为基础，搜集了1998年至2009年间的中国沪深证券市场部分证券指数，运用分形插值方法对其进行了实证研究，分析了沪深证券市场股价指数变化的自相似性。论文利用偏度与峰度检验方法检验了沪深证券市场具有代表性的上证指数和深证成分指数收益率序列的正态性，结果表明沪深证券市场不满足有效市场假设的正态性条件，从而为用分形理论和分析方法研究中国证券市场奠定了基础。在阐述了分形时间序列的相关性理论和重要特征后，对经典重标极差分析法（R/S分析法）进行了系统分析，运用该分析法证实中国证券市场收益序列存在长期相关性，并大致给出了长期相关的时间长度。以正态性检验和分形时间序列分析结论为前提，论文建立了沪深证券市场指数的分形插值模型，分析并讨论了中国证券市场各类指数变化的分形拟合效果，在此基础上进一步运用分形插值外延法对上证指数的未来走势作了初步的预测，并分析了该分形预测方法的有效性。6.期刊论文闫苗苗时间序列AR模型的应用-商场现代化2008,(34)时间序列分析可以根据动态数据揭示系统结构和规律,本文利用模型对上证指数进行了分析和预测.7.学位论文甘露汇率改革对中国股票市场的影响2007汇率的贬值和升值，能够对一国经济发展以及宏观调控起重要的支持作用。2005年7月21日，中国人民银行发布公告称，自即日起，人民币汇率不再紧盯单一美元，而是实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。本次人民币汇率制度改革必将对人民币汇率走势、中央政府宏观调控以及中国经济的发展产生重大影响，进而影响到中国股票市场。关于汇率和股价之间的关系，西方已有两种成熟的理论模型，即汇率决定的流量导向模型“Flow-orientedmodel”(DornbuschandFisher，1980)和股票导向模型“Stock-orientedmodel”(BransonandFrankel，1983)。前者强调经常项目或贸易平衡，认为存在着由汇率到股价的反向关系，这种分析主要着眼于从微观层面；而后者强调资本项目是动态汇率的主要决定因素，认为存在着由股价到汇率的正向关系，这种分析主要着眼于宏观层面。但之前的研究均未涉及发展中国家的股票市场，在这些市场中，政府的政策导向对股价的影响很大。Abdalla和Murinde(1997)在这方面做了开拓性的研究，利用韩国、菲律宾、印度等发展中国家的数据作了实证研究，通过格兰杰检验(GrangerTest)，最后得出汇率变动影响企业股价的结论。其政策含义为，发展中国家的政府在制订汇率政策时必须十分谨慎，因为汇率制度的选择和政策制定对这些国家