JoLee❤️
2024-06-22 06:53:29
最佳回答
时间分析是经济领域应用研究最广工具之一,它当的模型描述历史数据随时间变化的规律,析预测变量值。arma模型是一种最常见的重要时间序列模型,被广泛应用到经济领域预测中。给出arma模型的模式和实现方法,然后结合具体股票数据揭示股票变换的规律性,并运用arma模型对股票价格进行预测。选取长江证券股票具体数据进行实证分析1.数据选取。由于时间序列模型往往需要大样本,所以这里我选取长江证券从09/03/20到09/06/19日开盘价,前后约三个月,共计60个样本,基本满足arma建模要求。数据来源:大智慧**导出的数据(股价趋势图如下)从上图可看出有一定的趋势走向,应为非平稳过程,对其取对数lns,再观察其平稳性。2.数据平稳性分析。先用eviews生成新序列lns并用adf检验其平稳性。(1)adf平稳性检验,首先直接对数据平稳检验,没通过检验,即不平稳。可以看出lns没有通过检验,也是一个非平稳过程,那么我们想到要对其进行差分。(2)一阶差分后平稳性检验,adf检验结果如下,通过1%的显著检验,即数据一阶差分后平稳。可以看出差分后,明显看出adf test stat**tic 为-5.978381绝对值是大于1%的显著水平下的临界值的,所以可以通过平稳性检验。3.确定适用模型,并定阶。可以先生成原始数据的一阶差分数据dls,并观测其相关系数ac和偏自相关系数pac,以确定其是为ar,ma或者是arma模型。(1)先观测一阶差分数据dls的ac和pac图。经检验可以看出ac和pac皆没有明显的截尾性,尝试用arma模型,具体的滞后项p,q值还需用aic和sc具体确定。(2)尝试不同模型,根据aic和sc最小化的原理确定模型arma(p,q)。经多轮比较不同arma(p,q)模型,可以得出相对应aic 和 sc的值。经过多次比较最终发现arma(1,1)过程的aic和sc都是最小的。最终选取arima(1,1,1)模型作为预测模型。并得出此模型的具体表达式为:dls t = 0.9968020031 dls (t-1)- 1.164830718 u (t-1) + u t4.arma模型的检验。选取arima(1,1,1)模型,定阶和做参数估计后,还应对其残差序列进行检验,对其残差的ac和q统计检验发现其残差自相关基本在0附近,且q值基本通过检验,残差不明显存在相关,即可认为残差中没有包含太多信息,模型拟合基本符合。5.股价预测。利用以上得出的模型,然后对长江证券6月22日、23日、24日股价预测得出预测值并与实际值比较如下。有一定的误差,但相比前期的涨跌趋势基本吻合,这里出现第一个误差超出预想的是因为6月22日正好是礼拜一,波动较大,这里正验证了有研究文章用garch方法得出的礼拜一波动大的结果。除了礼拜一的误差大点,其他日期的误差皆在接受范围内。综上所述,arma模型较好的解决了非平稳时间序列的建模问题,可以在时间序列的预测方面有很好的表现。借助eviews软件,可以很方便地将arma模型应用于金融等时间序列问题的研究和预测方面,为决策者提供决策指导和帮助。当然,由于金融时间序列的复杂性,很好的模拟还需要更进一步的研究和探讨。在后期,将继续在这方面做出自己的摸索。 20210311