时间序列模型的误差分析与研究
发布时间：2021-08-03 17:54
随着经济的发展和人们生活水平的提高及投资意识的转变,人们对证券股票投资的热情越来越高,股票投资已成为经济投资的一个重要组成部分,成为一个国家的经济生活和社会生活中所不可缺少的一部分。面对瞬息万变的股票市场,投资者在进行投资活动时将面临许多不确定性因素。为了追求投资收益的最大化和投资风险的最小化,不断地探索股票时间序列的内在规律,寻找其有效的分析方法和工具就显得尤为重要了。因此,对金融时间序列模型误差的分析具有重要的理论意义和应用价值。在时间序列分析中,一般采用建模的方法对数据进行拟合。在传统时间序列分析方法中,尽管可以得到趋势明朗后模型与实际数据的较好拟合效果,但是还是有一些时序点的拟合误差较大。本文利用时间序列分析方法对两支股票进行建模,围绕股票时间序列分析模型的拟合误差及异常误差值进行了深入的分析研究,得出结论：一方面,两个时间序列模型的异常误差值出现所对应的时间序列点基本一致；另一方面,两个时间序列模型的误差波动情况具有一定的同步性。这说明在运用时间序列模型分析股价时间序列时,模型的误差大小、误差变化以及异常误差的产生与分析对象的大小无关。本文采用金钼股份（601958）和出版传...
【文章来源】：昆明理工大学云南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
金钥股份2008年6月2日一H月26日收益率图
金铝股份收益率的自相关 (Ac:Autocorrelation)图和偏自相关伊AC:P叭ial-correlation)图如下图3.5所示。 Autoeorre}ationPartialCorrelationACPACQ一 StatProb一 0.1011.24440娜265一 0.0331.30830520一 0.0301.37790.711 0.1634.92010刀6 0.0404.92500.425 0.0004.94730.551一 0.0685.43730.607一 0.1476.75870.5曰 CO1耳月OUC气口J气乙1日一一2勺乙︵匕nUI︵ b111︸ 0Clll11工llOLJ日一︸1 nUOC曰 oCllnIJn1l︺nU一.﹄﹄﹃.1，‘勺J连.匀尸︵匕7OLJ.即小如扫扫州尸图3.5金铝股份收益率的自相关与偏相关图图3.5中自相关图和偏自相关图具有明显的拖尾性。根据Box一Je刊匕ns模型识别方法，用ARMA(p，q)模型进行拟合。偏自相关系数在卜1后很快地趋近于0，所以取p一1;自.相关系数在k=1处显著不为0，k井4时似乎也与。有显著差异，可考虑q=1与q二4。对金铝股份收益率序列分别建立ARMA(1，l)模型和ARMA(1
1020304050607080900010图3.6金铝股份ARMA(1，1)拟和效果及误差金铝股份的八RMA(1，4)模型拟和结果和误差值如下图3.7所示。 601958一 ARMA(1.4) 4CU八nl弓之乃艺乃乙 011︺420一1一2一一ResidUal—ACtUa!— Fitteddd )))))))}{{{{{{了·· {{{lll心心全 全 }}}}}』』.荡六 111湖湖巨巨 巨立一一城城:;11一 )---只只}飞 飞八，， ，耐耐产 111;;;{、 、 iiiiiii}!}}}{{{{{{{r心 心 心 )))))))理_必 必 必 必 必 必 l}}}}}则则 {{{匀匀 )))介介远远衬 UUU丁V‘求 求 {{{{{{{!〕‘ ‘ !!!}}}{一丁---一 )))lll[一 {{{ 1020304050607080900010图3.7金铝股份ARMA(1，4)拟和效果及误差24
【参考文献】：
期刊论文
[1]基于时间序列模式表示的异常检测算法[J]. 詹艳艳,陈晓云,徐荣聪. 计算机应用研究. 2007(11)
[2]利率变动对我国股市影响的实证分析[J]. 李亚敏,王浩. 投资研究. 2007(06)
[3]基于相空间重构理论与递归神经网络相结合的股票短期预测方法[J]. 马千里,郑启伦,彭宏,钟谭卫. 计算机应用研究. 2007(04)
[4]中国利率与股市间波动溢出效应的实证研究[J]. 熊正德,谢敏. 财经理论与实践. 2007(01)
[5]离群数据挖掘综述[J]. 黄洪宇,林甲祥,陈崇成,樊明辉. 计算机应用研究. 2006(08)
[6]基于序列分析的报警综合处理研究[J]. 肖立中,邵志清. 计算机工程与应用. 2006(08)
[7]基于混沌理论的上海股市非线性动力学研究[J]. 周洪涛,王宗军. 系统工程理论方法应用. 2005(05)
[8]异常（Outlier）检测算法综述[J]. 陈华,李继波. 大众科技. 2005(09)
[9]ARIMA模型在上海市全社会固定资产投资预测中的应用[J]. 石美娟. 数理统计与管理. 2005(01)
[10]基于分段时间弯曲距离的时间序列挖掘[J]. 肖辉,胡运发. 计算机研究与发展. 2005(01)
博士论文
[1]时间序列的相似性查询与异常检测[D]. 肖辉.复旦大学 2005
[2]网络流量异常检测与预测方法研究[D]. 邹柏贤.中国科学院研究生院（计算技术研究所） 2003
硕士论文
[1]证券时间序列中的信息奇异点研究与建模[D]. 李鹤松.昆明理工大学 2009
本文编号：3320068
【文章来源】：昆明理工大学云南省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
金钥股份2008年6月2日一H月26日收益率图
金铝股份收益率的自相关 (Ac:Autocorrelation)图和偏自相关伊AC:P叭ial-correlation)图如下图3.5所示。 Autoeorre}ationPartialCorrelationACPACQ一 StatProb一 0.1011.24440娜265一 0.0331.30830520一 0.0301.37790.711 0.1634.92010刀6 0.0404.92500.425 0.0004.94730.551一 0.0685.43730.607一 0.1476.75870.5曰 CO1耳月OUC气口J气乙1日一一2勺乙︵匕nUI︵ b111︸ 0Clll11工llOLJ日一︸1 nUOC曰 oCllnIJn1l︺nU一.﹄﹄﹃.1，‘勺J连.匀尸︵匕7OLJ.即小如扫扫州尸图3.5金铝股份收益率的自相关与偏相关图图3.5中自相关图和偏自相关图具有明显的拖尾性。根据Box一Je刊匕ns模型识别方法，用ARMA(p，q)模型进行拟合。偏自相关系数在卜1后很快地趋近于0，所以取p一1;自.相关系数在k=1处显著不为0，k井4时似乎也与。有显著差异，可考虑q=1与q二4。对金铝股份收益率序列分别建立ARMA(1，l)模型和ARMA(1
1020304050607080900010图3.6金铝股份ARMA(1，1)拟和效果及误差金铝股份的八RMA(1，4)模型拟和结果和误差值如下图3.7所示。 601958一 ARMA(1.4) 4CU八nl弓之乃艺乃乙 011︺420一1一2一一ResidUal—ACtUa!— Fitteddd )))))))}{{{{{{了·· {{{lll心心全 全 }}}}}』』.荡六 111湖湖巨巨 巨立一一城城:;11一 )---只只}飞 飞八，， ，耐耐产 111;;;{、 、 iiiiiii}!}}}{{{{{{{r心 心 心 )))))))理_必 必 必 必 必 必 l}}}}}则则 {{{匀匀 )))介介远远衬 UUU丁V‘求 求 {{{{{{{!〕‘ ‘ !!!}}}{一丁---一 )))lll[一 {{{ 1020304050607080900010图3.7金铝股份ARMA(1，4)拟和效果及误差24
【参考文献】：
期刊论文
[1]基于时间序列模式表示的异常检测算法[J]. 詹艳艳,陈晓云,徐荣聪. 计算机应用研究. 2007(11)
[2]利率变动对我国股市影响的实证分析[J]. 李亚敏,王浩. 投资研究. 2007(06)
[3]基于相空间重构理论与递归神经网络相结合的股票短期预测方法[J]. 马千里,郑启伦,彭宏,钟谭卫. 计算机应用研究. 2007(04)
[4]中国利率与股市间波动溢出效应的实证研究[J]. 熊正德,谢敏. 财经理论与实践. 2007(01)
[5]离群数据挖掘综述[J]. 黄洪宇,林甲祥,陈崇成,樊明辉. 计算机应用研究. 2006(08)
[6]基于序列分析的报警综合处理研究[J]. 肖立中,邵志清. 计算机工程与应用. 2006(08)
[7]基于混沌理论的上海股市非线性动力学研究[J]. 周洪涛,王宗军. 系统工程理论方法应用. 2005(05)
[8]异常（Outlier）检测算法综述[J]. 陈华,李继波. 大众科技. 2005(09)
[9]ARIMA模型在上海市全社会固定资产投资预测中的应用[J]. 石美娟. 数理统计与管理. 2005(01)
[10]基于分段时间弯曲距离的时间序列挖掘[J]. 肖辉,胡运发. 计算机研究与发展. 2005(01)
博士论文
[1]时间序列的相似性查询与异常检测[D]. 肖辉.复旦大学 2005
[2]网络流量异常检测与预测方法研究[D]. 邹柏贤.中国科学院研究生院（计算技术研究所） 2003
硕士论文
[1]证券时间序列中的信息奇异点研究与建模[D]. 李鹤松.昆明理工大学 2009
本文编号：3320068
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/3320068.html
最近更新
教材专著
