基于时间序列的股票价格走势分析

发布时间：2021-01-28 09:08

　　随着当代经济的不断发展,金融市场已经成为经济发展的重要部分,而股票市场作为金融市场的重要组成部分,便与国民经济密切相关。对于投资者而言,如何及时了解价格波动从而准确分析股票市场行情,是决策过程中的一个关键问题;对于股票市场的管理者来说,如何把握股市动态,从而营造稳定健康的交易环境,也是一项非常艰巨的任务。因此,更好地了解股市的波动特征,以及从中探索某些规律,对我们学习金融理论和进行金融实践都具有重要的意义。本文以2009-2018年的沪深300指数为例,对ARIMA模型、ARCH模型和AR-GARCH模型进行拟合,比较其在股票价格走势上的优劣,再用通过检验的拟合模型对股价进行一个短期的预测。最后发现AR-GARCH模型对原序列有较好的拟合效果,并且获得了较为精确的预测结果。 

【文章来源】：现代营销(下旬刊). 2019,(12)

【文章页数】：2 页

【部分图文】：

原序列时序图

由原序列时序图可以看出，该序列有不太明显的周期性，直接观察无法确定其是否平稳，此时我们可以借助自相关图进一步判断序列是否平稳。根据原序列的ACF图可以看出，随着延迟期数k的增加，ACF一直在零轴上方为正，而且衰减到零的速度非常慢，因此可以判断原序列为非平稳序列。

ARCH模型拟合的95%置信区间


本文编号：3004727