股票市場(chǎng)是整個(gè)社會(huì)經(jīng)濟(jì)的重要組成部分,在金融市場(chǎng)中起著重要作用。對(duì)股票價(jià)格的預(yù)測(cè)分析,一方面可以幫助管理者有效地管控風(fēng)險(xiǎn),另一方面也可以幫助投資者在降低自身投資風(fēng)險(xiǎn)的同時(shí)獲取更多收益。股票市場(chǎng)是一種復(fù)雜多變的非線性系統(tǒng),受到政治經(jīng)濟(jì)環(huán)境、市場(chǎng)心理以及企業(yè)發(fā)展?fàn)顩r等多種因素的影響,因此運(yùn)用單一模型難以達(dá)到預(yù)測(cè)目標(biāo)。針對(duì)這一問(wèn)題,本文將采用基于小波分析的改進(jìn)灰色模型與ARMA-GARCH模型的組合預(yù)測(cè)方法,其利用小波多分辨率的特性,發(fā)揮了不同模型各自的優(yōu)勢(shì)特點(diǎn),得到了更好的預(yù)測(cè)結(jié)果。主要工作和成果如下:1.介紹了灰色預(yù)測(cè)模型和ARMA-GARCH模型。對(duì)模型的原理和建模流程作了詳細(xì)的介紹,并對(duì)兩種單一模型進(jìn)行簡(jiǎn)要分析。2.針對(duì)上述模型,在小波分析的基礎(chǔ)上,將改進(jìn)后的新陳代謝GM（1,1）模型和ARMA-GARCH模型結(jié)合起來(lái)。利用小波多分辨率的特性,將股票價(jià)格信號(hào)分解成一層低頻信號(hào)和多層高頻信號(hào),再進(jìn)行重構(gòu),對(duì)重構(gòu)后的趨勢(shì)部分建立改進(jìn)后的GM（1,1）模型,各層細(xì)節(jié)部分分別建立ARMA-GARCH模型,根據(jù)每層預(yù)測(cè)值得到最終結(jié)果。3.分別選取預(yù)測(cè)序列波動(dòng)大的和波動(dòng)小的兩組數(shù)據(jù),運(yùn)用上述幾種... 

【文章來(lái)源】：山東大學(xué)山東省211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀綜述
    1.3 研究方法和研究框架
第2章 基本理論介紹
    2.1 小波分析簡(jiǎn)介
        2.1.1 小波的起源
        2.1.2 多分辨分析
        2.1.3 幾種常用的小波函數(shù)
    2.2 灰色理論簡(jiǎn)介
        2.2.1 灰色理論基本思想
        2.2.2 傳統(tǒng)灰色預(yù)測(cè)模型GM(1,1)
    2.3 ARMA-GARCH模型介紹
        2.3.1 ARMA模型介紹
        2.3.2 ARCH模型及其擴(kuò)展模型介紹
第3章 基于小波分析的GM與ARMA-GARCH組合模型
    3.1 建模流程
    3.2 模型的建立
        3.2.1 對(duì)原序列S進(jìn)行小波分解與重構(gòu)
        3.2.2 對(duì)序列Aj建立灰色預(yù)測(cè)模型
        3.2.3 對(duì)序列Dj建立ARMA-GARCH模型
    3.3 模型的評(píng)價(jià)標(biāo)準(zhǔn)
第4章 實(shí)證研究
    4.1 數(shù)據(jù)的選取
    4.2 單個(gè)模型實(shí)證研究
        4.2.1 GM(1,1)模型實(shí)證分析
        4.2.2 ARMA-GRACH模型實(shí)證分析
    4.3 組合預(yù)測(cè)模型實(shí)驗(yàn)研究
        4.3.1 小波分解與重構(gòu)
        4.3.2 對(duì)序列A2建立GM(1,1)模型
        4.3.3 對(duì)序列D1、D2建立ARMA-GARCH模型
        4.3.4 模型組合
    4.4 模型比較
    4.5 總結(jié)與展望
參考文獻(xiàn)
致謝
學(xué)位論文評(píng)閱及答辯情況表


【參考文獻(xiàn)】：
期刊論文
[1]股票市場(chǎng)波動(dòng)性研究——基于ARMA-TGARCH-M模型的實(shí)證分析[J]. 劉湖,王瑩.  北京航空航天大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2017(04)
[2]小波分析下的神經(jīng)網(wǎng)絡(luò)股票預(yù)測(cè)研究[J]. 孫冰潔,唐瑞,左毅,黃明和.  計(jì)算機(jī)與數(shù)字工程. 2016(06)
[3]基于小波變換的GM（1,1）-ARMA組合預(yù)測(cè)模型對(duì)懸索管橋的應(yīng)變預(yù)測(cè)[J]. 郇瀅,蘭惠清,林楠,張平.  應(yīng)用科學(xué)學(xué)報(bào). 2016(01)
[4]基于ARMA-GM組合模型的江蘇省城鄉(xiāng)收入差距預(yù)測(cè)[J]. 辜子寅.  常熟理工學(xué)院學(xué)報(bào). 2012(08)
[5]基于小波多尺度分析的股票價(jià)格組合預(yù)測(cè)方法[J]. 肖燕君,張華,任若恩.  工業(yè)工程. 2011(06)
[6]灰色預(yù)測(cè)GM（1,1）模型的改進(jìn)及應(yīng)用[J]. 楊華龍,劉金霞,鄭斌.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2011(23)
[7]證券投資基金市場(chǎng)的ARMA-ARCH類模型分析[J]. 惠軍,朱翠.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(07)
[8]改進(jìn)的灰色模型與ARMA模型的股指預(yù)測(cè)[J]. 吳朝陽(yáng).  智能系統(tǒng)學(xué)報(bào). 2010(03)
[9]應(yīng)用改進(jìn)的灰色模型預(yù)測(cè)民航管制員數(shù)量[J]. 何昕,陳亞青.  實(shí)驗(yàn)科學(xué)與技術(shù). 2010(01)
[10]ARMA模型參數(shù)估計(jì)算法改進(jìn)及在股票預(yù)測(cè)中的應(yīng)用[J]. 何永沛.  重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2009(02)



本文編號(hào)：3642931