基于组合预测的证券价格研究

发布时间：2020-05-31 21:21

【摘要】： 证券价格是经济、系统科学领域研究的热点问题之一。证券市场变幻莫测,作者试图找出证券价格这一时变波动序列的运行规律,从而对证券价格进行预测,以期为证券投资行为做出有效指导。证券市场具有不确定性和迅速变化的特征,完全真实的模型是很难甚至不可能得到的,因此探求较为准确反映实际过程模型的尝试无疑具有很大价值。但是,在大多数预测中,就具体预测的目的和时效性而言,不容等待真实模型的发现,而且由于新的不确定性可能代替旧的不确定性,高度敏感的单个精巧或复杂模型会相应地面临模型设定错误的风险。而组合预测的基本出发点就是承认构造真实模型的困难,将各种单项模型预测看作代表或包括不同的信息片断,通过信息的集成,分散单项预测特有的不确定性和减少总体的不确定性,从而提高预测精度。因此,构建组合预测模型来预测证券价格的波动,既具有一定的理论价值又具有较强的现实指导意义。 本文采用ARIMA模型、GM(1,1)模型、RBF神经网络模型分别从线性与非线性角度对证券价格进行拟合与预测,然后结合三者中有用的信息集合,构建一个最优组合预测模型,对证券价格预测进行实证研究。本文一共分三部分:第一部分系统分析了单项预测模型及其在金融领域的应用,为构建组合预测模型奠定理论基础;第二部分在系统分析单项预测模型的基础上,选取三种不同预测方法中具有一定代表性的单项预测模型构建组合预测模型;第三部分基于单项预测模型和组合预测模型,在制定预测效果评价指标体系之后,对证券价格预测进行实证分析,研究单项预测模型与组合预测模型的预测精度,结果表明组合预测模型的预测精度明显优于参与组合预测的各单项预测模型。 本文的创新点:以ARIMA模型、GM(1,1)模型、RBF神经网络模型三个单项模型为基础,利用最小预测误差平方和为目标函数对各单项预测模型进行赋权,构建最优组合预测模型,并得出结论,组合预测方法有效结合了各单项预测方法的信息片断,因此,比单个预测模型更系统全面,在一定程度上弥补了单项模型的局限性。
【图文】：

4.2.1 样本选取本文采用来自于互联网的数据，选取了中国银行在2007年2月12日至2008年3月6日的收盘价作为研究样本（见图4.1），共248个样本观测值。 其中，前233个样本用于拟合分析，234—248样本用来检验各模型的预测精度。图 4.1 中国银行 2007/02/12-2008/03/06 收盘价时序图4.2.2 ARIMA 模型预测1．模型识别

图 4.2 中国银行收盘价序列相关图根据中国银行每日收盘价格时间序列的相关图（图4.2）可以发现：自相关函数拖尾直至12期，偏自相关函数一步截尾，因此可以认为此时间序列是不平稳的。由于只有平稳的时间序列才能够直接建立ARMA模型，因而需对其作差分运算，，经过2阶差分原时间序列趋势已基本消除，因此初步确定ARIMA模型的d值为2。为了进一步确定平稳性，对二阶差分后的序列做检验形式为没有常数项和时间趋势的ADF单位根检验，得到如下结果（图4.3）：ADF统计量为-16.04781，而临界值为1％水平下的ADF检验值为-2.575144
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：F224;F830.91

【相似文献】

相关期刊论文 前10条

1 刘美霞;;基于ARIMA模型的深证指数分析及预测[J];中国城市经济;2011年18期

2 王革新;王立强;齐益强;;基于灰色理论的货物运输量预测分析[J];中国科技信息;2011年16期

3 汤东亚;姚安林;马洪亮;张华;;基于灰色理论的含腐蚀缺陷油气管道剩余寿命预测分析[J];成都大学学报(自然科学版);2011年02期

4 刘兵兵;郭亚君;;灰色多随从二层线性规划问题及其解法[J];吉林大学学报(理学版);2011年04期

5 黄春艳;李艳玲;薛长松;;灰色理论在图像处理中的应用研究[J];计算机时代;2011年06期

6 宋s

本文编号：2690473