新综指价格预测模型比较分析

发布时间：2020-11-20 17:22

　　 在资本市场中,股票市场占有举足轻重的地位,它作用在于吸引和引导分散的流动资产和储蓄到最优路径上,从而使稀缺的金融资源被充分分配到最有利可图的项目中。股票价格的波动受多种外部因素和内部因素的影响,如政治、经济等。价格是指导资本和流动性的有效配置的有效信号,股票市场的一个重要问题是如何模拟股票指数的价格以便进行合适的预测。股票投资者需确定出股票的实际价值,并与市场价格相比较,从而引导自身股票交易。本文首先运用普通的几何布朗运动模型,通过离散化方法模拟股票价格。观察股票指数曲线的波动趋势,我们在原有几何布朗运动的基础上,结合门限模型的控制作用,构造出具有门限的几何布朗运动模型。求解上下门限值进行分段拟合,此模型更符合股票指数波动情况。对新综指进行数据处理,根据金融数据特点选用自回归求和滑动平均模型(ARIMA)模型和自回归积分滑动平均-广义自回归条件异方差模型(ARMA-GARCH模型)进行拟合。最后分析比较四种模型,得出结论:具有门限的几何布朗运动模型的拟合效果优于几何布朗运动模型,而四种模型中,ARIMA模型对新综指价格的预测误差最小。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F224;F832.51
【部分图文】：

综合指数（上证综指）是由上海证券交易所编制并发布，样本、发行量为权数的加权综合股价指数，体现出各盘股了中国经济的整体发展态势。以所有已股权分置改革的股票（G股）为样本，以2005年所有样本股票的总市值为基期，采用派许加权方法将总股改革将股东股份进行重新确认，消除了非流通股和流通股推进，新综指将在中国股票市场分析中地位越来越高。新综指(000017)为样本，数据时间跨度为2015-9-30至2除非交易日及节假日）的日收盘价，其中2015-9-30至201样本，2015-7-24至2017-08-04的10个数据为测试样本的最大值为3083.05，最小值为2241.23。（数据来源：RES

第三章 实证分析S3.4 ARIMA模型模拟指收盘价的时序图（图3.1.1），前一部分的波动幅度比后一5年10月，指数持续上升，而12月初指数则迅速下降；20之后序列的波动形态比较平稳。整体新综指价格序列变化收盘价St进行一阶差分处理，用Eviews软件得到差分序

出结论：一阶差分的新综指序列是平稳的，满足建立自回归滑动平均模型的序列平稳性要求。图3.4.3:一阶差分序列自相关和偏自相关序列检验可以看出自相关系数和偏自相关系数形态都呈拖尾态，由此采用ARIMA( p, d, q)模型对数据进行拟合，根据上图选取阶数p ≤ 4,q ≤ 4，结合显著性以及AIC、SC最小准则得出最适合的自回归求和滑动平均模型ARIMA(3,1,3)：13
【参考文献】

相关硕士学位论文 前1条

1 张勇;基于ARMA-GARCH模型的国债指数实证研究[D];合肥工业大学;2012年

本文编号：2891746