股票收益率波动趋势预测方法研究

发布时间：2023-02-18 21:55

　　股票作为一种有价证券的凭证,可以进行市场流通并带来利润.股票市场的研究受广大金融界学者欢迎,本文会从龙头股份日收益率的水平特征和波动特征这两个角度来分析,进行收益率的短期预测和波动性的拟合.时间序列分析是研究金融数据的一个非常重要的工具,所以本文采用时间序列分析方法,研究股票的日收益率,利用SAS软件编程来处理数据和建立模型.本文先拟合ARMA模型、ARIMA模型、疏系数模型、ARCH模型、GARCH模型、AR-GARCH多个模型,再建立多元时间序列模型,然后运用AIC和BIC准则来优化模型并且预测.本文不光考虑股票日收益率序列自身发展规律、股票日收益率序列和日期之间关系的一元时间序列模型,还拟合了股份日收益率序列与序列自身、上证指数日收益率和换手率之间的多元时间序列模型ARIMAX,还将异方差模型和多元时间序列模型相结合,拟合了GARCHX模型.最终发现龙头股份日股票收益率的最优预测模型为多元时间序列模型,此模型很好的地拟合了股票日收益率,估计出了风险区间,能为短期投资者和股票决策者提供参考.

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
中文摘要
Abstract
第1章 绪论
    1.1 本文研究背景
    1.2 国内外研究现状
    1.3 本文研究目的及意义
    1.4 本文研究方法及结构安排
        1.4.1 本文研究方法
        1.4.2 本文结构安排
第2章 平稳时间序列与非平稳时间序列模型
    2.1 平稳时间序列
        2.1.1 白噪声
        2.1.2 ARMA模型
    2.2 非平稳序列的随机分析
        2.2.1 Gramer分解定理及差分运算
        2.2.2 ARIMA模型
        2.2.3 ARCH模型
第3章 多元时间序列
    3.1 协整
    3.2 动态回归(ARIMAX)模型
    3.3 动态异方差(GARCHX)模型
    3.4 各模型特点
第4章 基于时间序列的股票收益率预测模型的建立
    4.1 数据介绍
        4.1.1 股票收益率
        4.1.2 引入上证指数和换手率相关指标
    4.2 数据分布特征
    4.3 龙头股份收益率序列的ARMA模型实证分析
        4.3.1 平稳性分析
        4.3.2 白噪声分析
        4.3.3 拟合ARMA模型
    4.4 龙头股份收益率序列的ARCH模型实证分析
        4.4.1 拟合股票收益率序列关于延迟因变量 {lagrt} GARCH模型
        4.4.2 拟合股票收益率序列关于日期的GARCH模型
    4.5 龙头股份收益率序列的多元时间序列实证分析
    4.6 模型优化
结论
参考文献
致谢



本文编号：3745611