發(fā)布時間：2016-06-16所屬分類：經(jīng)濟(jì)論文瀏覽：1次
摘 要： 股市在每個國家的經(jīng)濟(jì)中占有很重要的地位，股票價格的形成及波動不僅受制于各種經(jīng)濟(jì)、政治因素，而且受投資心理和交易技術(shù)等的影響。本文是一篇 職稱論文發(fā)表 范文，主要論述了基于ARIMA模型的上證指數(shù)實(shí)證分析。 【摘要】在經(jīng)歷了2008年的熊市之后，中國股
股市在每個國家的經(jīng)濟(jì)中占有很重要的地位，股票價格的形成及波動不僅受制于各種經(jīng)濟(jì)、政治因素，而且受投資心理和交易技術(shù)等的影響。本文是一篇職稱論文發(fā)表范文，主要論述了基于ARIMA模型的上證指數(shù)實(shí)證分析。
【摘要】在經(jīng)歷了2008年的熊市之后，中國股市于2015年迎來了大牛市，政府多次出臺利空政策依然無法降低牛市的前進(jìn)，上證指數(shù)經(jīng)過數(shù)月的上揚(yáng)后在國家多次的改革與調(diào)整下，牛市的溫度逐漸下降，股市由“瘋牛”、“快牛”逐漸轉(zhuǎn)變?yōu)?ldquo;慢牛”、“改革牛”的模式。2015年下半年的股市將在國家改革的浪潮中穩(wěn)步前進(jìn)。股票價格涉及很多不確定因素，且各個因素之間的相關(guān)關(guān)系錯復(fù)雜，因此要從理論上徹底弄清楚股市的變化機(jī)理十分困難。然而股市是一個運(yùn)動的、特殊的系統(tǒng)，它必然存在著規(guī)律。以上證綜合指數(shù)為例，利用EVIEWS軟件對其股票價格建立ARIMA模型，提出了股票價格序列的一步向前靜態(tài)預(yù)測方法，用于股票價格序列的建模及股價短期預(yù)測，希望為企業(yè)和投資者在進(jìn)行相關(guān)決策時提供有益的參考。
【關(guān)鍵詞】上證綜合指數(shù),ARIMA模型
一、引言
股票價格的影響因素很多，股票隨業(yè)績調(diào)整是股市不變的原則。但事實(shí)上，股票價格不僅與上市公司企業(yè)內(nèi)部財務(wù)狀況有著密切的相關(guān)關(guān)系，還與整個股票市場狀況乃至整體經(jīng)濟(jì)運(yùn)行狀況有關(guān)。
上證綜合指數(shù)則是集中了有代表性的多種股票的研究，基本認(rèn)為其反映了中國股市的高低，個別公司股票價格的異常反應(yīng)對大盤指數(shù)的影響則是有限的。因此用技術(shù)手段研究股價波動，選擇上證綜合指數(shù)做研究對象更合適。相應(yīng)的，對于投資組合的操作和機(jī)構(gòu)或基金投資也有指導(dǎo)意義。
由于影響股票價格波動的因素眾多，使得其預(yù)測難于實(shí)現(xiàn)。確切地說，要對股票價格做出準(zhǔn)確預(yù)測是不可能的，但我們總試圖尋找不同的方法，不同的模型來刻畫它。而用傳統(tǒng)的回歸分析模型來進(jìn)行預(yù)測，不僅復(fù)雜而且費(fèi)用較高，因為要找出真正影響預(yù)測對象變化的因素并非易事，而且由于股票市場的變化，其預(yù)測精度并不比時間序列分析方法更精確，而時間序列分析方法模型一般簡單，成本較低，特別適用于表面上毫無規(guī)律可循的數(shù)據(jù)。因此，我們用時間序列分析中的ARIMA模型來對股票價格建立模型。
二、ARIMA模型的建模原理
ARMA(p，q)模型(Box-Jenkins方法)是國際上比較流行的單一時間序列預(yù)測模型，特別適合處理復(fù)雜時間序列的預(yù)測情況。如果一個平穩(wěn)序列{yt}，不僅與其以前時刻的自身值有關(guān)，而且還與其以前時刻的擾動項存在一定的依存關(guān)系，那么這個序列{yt}就可以建立p階自回歸和q階移動平均模型，即：
。
其中 是 在t期，t-1期的隨機(jī)誤差項，他們是相互獨(dú)立的白噪聲序列。
ARMA(p，q)模型只適用于處理平穩(wěn)時間序列的預(yù)測，對于非平穩(wěn)時間序列，不能直接用ARMA(p，q)模型描述，一般對于含有短期趨勢的非平穩(wěn)時間序列可以進(jìn)行D階差分后應(yīng)用ARMA(p，q)，即建立ARIMA(p，d，q)模型，d是非平穩(wěn)時間序列轉(zhuǎn)換為平穩(wěn)時間序列時對其差分的階數(shù)。
三、ARIMA模型的建模步驟
ARMA模型和ARIMA模型都是在平穩(wěn)時間序列基礎(chǔ)上建立的。任何非平穩(wěn)時間序列只要通過適當(dāng)階數(shù)的差分運(yùn)算就可以實(shí)現(xiàn)平穩(wěn)，從而可以對差分后的序列進(jìn)行ARMA(p，q)擬合了。ARIMA(p，d，q)模型的具體建模步驟如下：
1、數(shù)據(jù)序列的平穩(wěn)性檢驗
檢查序列的平穩(wěn)性，可以通過時間序列的散點(diǎn)圖或折線圖對序列進(jìn)行初步的平穩(wěn)性判斷。一般采用ADF單位根檢驗來精確判斷序列的平穩(wěn)性。對非平穩(wěn)的時間序列，如果存在一定的增長或下降趨勢等，常需要對數(shù)據(jù)取對數(shù)或進(jìn)行差分處理，直到成為平穩(wěn)序列，此時差分的次數(shù)便是ARIMA(p，d，q)模型中的階數(shù)d。
2、模型識別和診斷檢驗
根據(jù)樣本數(shù)據(jù)的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)的性質(zhì)來確定模型適當(dāng)?shù)碾A數(shù)p、q。若平穩(wěn)時間序列的偏自相關(guān)函數(shù)在p階截尾，而自相關(guān)函數(shù)是拖尾的，則可以判定該序列是AR(p)模型。若平穩(wěn)時間序列的自相關(guān)函數(shù)在q階截尾，而偏自相關(guān)函數(shù)是拖尾的，則可以判定該序列是MA(q)模型。若平穩(wěn)時間序列的自相關(guān)函數(shù)和偏自相關(guān)函數(shù)都是拖尾的，則可以判定該序列是ARMA模型。
模型的診斷檢驗主要是檢驗?zāi)Ｐ蛯υ瓡r間序列的擬合效果，就是檢驗整個模型對信息的提取是否充分，即檢驗殘差序列是否為白噪聲序列。如果擬合模型通不過檢驗，即殘差序列不是白噪聲序列，那么要重新選擇模型進(jìn)行擬合。如果殘差序列是白噪聲序列，就認(rèn)為模型擬合是有效的。
3、模型預(yù)測
根據(jù)模型參數(shù)診斷檢驗的結(jié)果，確定最終的方程模型;使用Eviews軟件中的forecast功能對模型進(jìn)行預(yù)測，得到原時間序列的未來短期預(yù)測數(shù)據(jù)。
四、ARIMA模型對上證指數(shù)的實(shí)證分析
1、數(shù)據(jù)準(zhǔn)備
以上證指數(shù)(記為Index)為例，具體探討ARIMA模型在股票價格預(yù)測中的應(yīng)用。數(shù)據(jù)來源于網(wǎng)易財經(jīng)，以2015年1月1日至2015年6月29日的每日收盤價的原始數(shù)據(jù)進(jìn)行ARIMA建模，圖1為序列Index的折線圖。然后對上證指數(shù)進(jìn)行預(yù)測和實(shí)證分析。
由2015年1月1日至6月29日上證綜合指數(shù)的每日收盤價形成的時間序列屬于隨機(jī)時間序列，它們隨時間的變化而相互關(guān)聯(lián)。由于ARMA模型只能處理平穩(wěn)的時間序列，所以首先需要對序列的平穩(wěn)性做出驗證。設(shè)此序列數(shù)據(jù)為S，運(yùn)用Eviews軟件對該序列進(jìn)行單位根(ADF)檢驗，檢驗結(jié)果如圖1所示。
圖1中P值大于0.05沒有達(dá)到小于不同檢驗水平的臨界值，所以驗證S不是平穩(wěn)序列，需將S轉(zhuǎn)化為平穩(wěn)時間序列。現(xiàn)在將S序列取自然對數(shù)，然后取其一階差分，得到序列DS。求得DS的自相關(guān)，偏相關(guān)系數(shù)圖見圖2所示。
圖2中DS相關(guān)圖衰減較快，對DS進(jìn)行ADF檢驗，檢驗結(jié)果如圖3所示。
由圖3可知P值為0小于不同檢驗水平的臨界值，綜合圖2和圖3的信息，可以得出結(jié)論：DS是平穩(wěn)時間序列。 2、模型識別和參數(shù)估計
由于DS的相關(guān)圖、偏相關(guān)圖都無明顯的截尾性，所以判斷預(yù)測時間序列本DS宜選用ARIMA(p，1，q)模型。通過圖3的觀察分析，考慮到DS的均值非零，擬建立均值非零的ARIMA(2，1，2)模型和ARIMA(2，1，4)模型，并對兩個模型進(jìn)行比較分析兩個模型哪個更加適合。利用Eviews軟件包計算輸出模型(2，1，2)參數(shù)見圖4所示。
由于圖4中的常數(shù)項c的P值大于0.05表現(xiàn)為不顯著，因此將常數(shù)項去除。其模型參數(shù)為：
故初步確定DS的時間序列模型為ARIMA(2，1，2)，對應(yīng)的模型表達(dá)式為：
。同樣重復(fù)以上的步驟利用Eiews軟件包計算輸出模型(2，1，4)參數(shù)可知常數(shù)項c的P值大于0.05表現(xiàn)為不顯著，因此將常數(shù)項去除。將常數(shù)項去除后的模型參數(shù)中有3項的P值均大于0.05表象為不顯著，因此通過兩個模型的對比可知DS的時間序列模型為ARIMA(2，1，2)。
3、模型預(yù)測
對于含有滯后因變量的預(yù)測，Eviews提供了兩種方法：動態(tài)預(yù)測和靜態(tài)預(yù)測。動態(tài)預(yù)測是預(yù)測樣本的初始值將使用滯后變量Y的實(shí)際值，而在隨后的預(yù)測中將使用Y的預(yù)測值，因此用動態(tài)預(yù)測來做多步預(yù)測時預(yù)測樣本初值的選擇非常重要。但是，當(dāng)新的預(yù)測值出現(xiàn)時，它并不能進(jìn)行適時修正預(yù)測。而靜態(tài)預(yù)測是采用滯后因變量的實(shí)際值而不是預(yù)測值來計算一步向前的結(jié)果。對ARIMA模型來講，一步靜態(tài)向前預(yù)測比動態(tài)預(yù)測更為準(zhǔn)確。因此，在此文中所采用的是一步向前靜態(tài)預(yù)測，依據(jù)模型對Index(上證指數(shù)每日收盤價)進(jìn)行預(yù)測。通過模型預(yù)測出6月30日上證指數(shù)的收盤價為4056.146，而實(shí)際上6月30日的收盤價4277.222，預(yù)測的相對誤差為：5.1%。
五、結(jié)論
雖然ARIMA模型只在短期預(yù)測方面較為適用，對于長期趨勢以及突然上漲或下跌等異常情況，都會表現(xiàn)出局限性。但它在描述上證指數(shù)方面的確具有一定的借鑒性，可作為投資者提供投資決策的依據(jù)，同時也對維持國債市場的穩(wěn)定具有一定的作用，對國債的發(fā)行主體進(jìn)行宏觀調(diào)控也具有一定的積極意義。
通過對上證指數(shù)進(jìn)行ARIMA模型的短期預(yù)測分析，我們得出了短期內(nèi)上證指數(shù)是緩慢上漲的，通過擬合圖可以看出在2015年的后期經(jīng)過了短期的波動后總體的趨勢仍然是上揚(yáng)的，但是上漲的幅度沒有2015年初那樣的迅速，這也恰恰反映了我國目前我國股市由瘋牛逐漸轉(zhuǎn)變?yōu)槁！?/p>
參考文獻(xiàn)：
[1]孫宏義，陳平，朱梅，陳建麗.股票指數(shù)的時間序列模型分析[J].2006(8).
[2]鄭朝霞，劉廷建.關(guān)聯(lián)規(guī)則在股票分析中的應(yīng)用[J].成都大學(xué)學(xué)報，2002(4).
[3]嚴(yán)敏，胡志明.基于ARIMA模型對上證指數(shù)的實(shí)證分析[J].經(jīng)營管理者，2013(9).
[4]白營閃.基于ARIMA模型對上證指數(shù)的預(yù)測[J].科學(xué)技術(shù)與工程，2009(9).
[5]劉云.ARIMA對我國上證指數(shù)的預(yù)測研究[J].現(xiàn)代商貿(mào)工業(yè)，2012(16).
[6]劉萍萍.我國股票價格波動與銀行信貸的關(guān)聯(lián)性研究[J].財經(jīng)問題研究，2010(5).
職稱論文發(fā)表期刊推薦《財會通訊》創(chuàng)刊于1980年，由湖北省會計學(xué)會主辦。是我國會計界最有影響的會計專業(yè)刊物之一。在近30年的發(fā)展歷程中，為在我國傳播現(xiàn)代財務(wù)會計知識，推動會計學(xué)術(shù)的繁榮與發(fā)展，發(fā)現(xiàn)和培育會計人才，促進(jìn)會計實(shí)務(wù)和會計理論的變革等方面，作出了巨大的貢獻(xiàn)，是我國會計學(xué)理論與實(shí)務(wù)界公認(rèn)的具有重要影響的會計專業(yè)刊物。榮獲北大2004版核心期刊。
