隨著經(jīng)濟(jì)的發(fā)展和人們生活水平的提高及投資意識的轉(zhuǎn)變,人們對證券股票投資的熱情越來越高,股票投資已成為經(jīng)濟(jì)投資的一個重要組成部分,成為一個國家的經(jīng)濟(jì)生活和社會生活中所不可缺少的一部分。面對瞬息萬變的股票市場,投資者在進(jìn)行投資活動時將面臨許多不確定性因素。為了追求投資收益的最大化和投資風(fēng)險的最小化,不斷地探索股票時間序列的內(nèi)在規(guī)律,尋找其有效的分析方法和工具就顯得尤為重要了。因此,對金融時間序列模型誤差的分析具有重要的理論意義和應(yīng)用價值。在時間序列分析中,一般采用建模的方法對數(shù)據(jù)進(jìn)行擬合。在傳統(tǒng)時間序列分析方法中,盡管可以得到趨勢明朗后模型與實際數(shù)據(jù)的較好擬合效果,但是還是有一些時序點的擬合誤差較大。本文利用時間序列分析方法對兩支股票進(jìn)行建模,圍繞股票時間序列分析模型的擬合誤差及異常誤差值進(jìn)行了深入的分析研究,得出結(jié)論：一方面,兩個時間序列模型的異常誤差值出現(xiàn)所對應(yīng)的時間序列點基本一致；另一方面,兩個時間序列模型的誤差波動情況具有一定的同步性。這說明在運用時間序列模型分析股價時間序列時,模型的誤差大小、誤差變化以及異常誤差的產(chǎn)生與分析對象的大小無關(guān)。本文采用金鉬股份（601958）和出版?zhèn)?.. 

【文章來源】：昆明理工大學(xué)云南省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

金鑰股份2008年6月2日一H月26日收益率圖

金鋁股份收益率的自相關(guān) (Ac:Autocorrelation)圖和偏自相關(guān)伊AC:P叭ial-correlation)圖如下圖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氣口J氣乙1日一一2勺乙︵匕nUI︵ b111︸ 0Clll11工llOLJ日一︸1 nUOC曰 oCllnIJn1l︺nU一.﹄﹄﹃.1，‘勺J連.勻尸︵匕7OLJ.即小如掃掃州尸圖3.5金鋁股份收益率的自相關(guān)與偏相關(guān)圖圖3.5中自相關(guān)圖和偏自相關(guān)圖具有明顯的拖尾性。根據(jù)Box一Je刊匕ns模型識別方法，用ARMA(p，q)模型進(jìn)行擬合。偏自相關(guān)系數(shù)在卜1后很快地趨近于0，所以取p一1;自.相關(guān)系數(shù)在k=1處顯著不為0，k井4時似乎也與。有顯著差異，可考慮q=1與q二4。對金鋁股份收益率序列分別建立ARMA(1，l)模型和ARMA(1

1020304050607080900010圖3.6金鋁股份ARMA(1，1)擬和效果及誤差金鋁股份的八RMA(1，4)模型擬和結(jié)果和誤差值如下圖3.7所示。 601958一 ARMA(1.4) 4CU八nl弓之乃藝乃乙 011︺420一1一2一一ResidUal—ACtUa!— Fitteddd )))))))}{{{{{{了·· {{{lll心心全 全 }}}}}』』.蕩六 111湖湖巨巨 巨立一一城城:;11一 )---只只}飛 飛八，， ，耐耐產(chǎn) 111;;;{、 、 iiiiiii}!}}}{{{{{{{r心 心 心 )))))))理_必 必 必 必 必 必 l}}}}}則則 {{{勻勻 )))介介遠(yuǎn)遠(yuǎn)襯 UUU丁V‘求 求 {{{{{{{!〕‘ ‘ !!!}}}{一丁---一 )))lll[一 {{{ 1020304050607080900010圖3.7金鋁股份ARMA(1，4)擬和效果及誤差24

【參考文獻(xiàn)】：
期刊論文
[1]基于時間序列模式表示的異常檢測算法[J]. 詹艷艷,陳曉云,徐榮聰.  計算機應(yīng)用研究. 2007(11)
[2]利率變動對我國股市影響的實證分析[J]. 李亞敏,王浩.  投資研究. 2007(06)
[3]基于相空間重構(gòu)理論與遞歸神經(jīng)網(wǎng)絡(luò)相結(jié)合的股票短期預(yù)測方法[J]. 馬千里,鄭啟倫,彭宏,鐘譚衛(wèi).  計算機應(yīng)用研究. 2007(04)
[4]中國利率與股市間波動溢出效應(yīng)的實證研究[J]. 熊正德,謝敏.  財經(jīng)理論與實踐. 2007(01)
[5]離群數(shù)據(jù)挖掘綜述[J]. 黃洪宇,林甲祥,陳崇成,樊明輝.  計算機應(yīng)用研究. 2006(08)
[6]基于序列分析的報警綜合處理研究[J]. 肖立中,邵志清.  計算機工程與應(yīng)用. 2006(08)
[7]基于混沌理論的上海股市非線性動力學(xué)研究[J]. 周洪濤,王宗軍.  系統(tǒng)工程理論方法應(yīng)用. 2005(05)
[8]異常（Outlier）檢測算法綜述[J]. 陳華,李繼波.  大眾科技. 2005(09)
[9]ARIMA模型在上海市全社會固定資產(chǎn)投資預(yù)測中的應(yīng)用[J]. 石美娟.  數(shù)理統(tǒng)計與管理. 2005(01)
[10]基于分段時間彎曲距離的時間序列挖掘[J]. 肖輝,胡運發(fā).  計算機研究與發(fā)展. 2005(01)

博士論文
[1]時間序列的相似性查詢與異常檢測[D]. 肖輝.復(fù)旦大學(xué) 2005
[2]網(wǎng)絡(luò)流量異常檢測與預(yù)測方法研究[D]. 鄒柏賢.中國科學(xué)院研究生院（計算技術(shù)研究所） 2003

碩士論文
[1]證券時間序列中的信息奇異點研究與建模[D]. 李鶴松.昆明理工大學(xué) 2009



本文編號：3320068