文章利用VAR模型對(duì)我國(guó)股票價(jià)格指數(shù)做出預(yù)測(cè),結(jié)果顯示,VAR模型對(duì)當(dāng)前下一期預(yù)測(cè)結(jié)果比較準(zhǔn)確,而對(duì)多步預(yù)測(cè)的結(jié)果不太理想。詳細(xì)分析了Granger因果效應(yīng)和相應(yīng)的脈沖響應(yīng)函數(shù),并討論了VAR模型適用范圍,引出可以對(duì)某投資組合做預(yù)測(cè)評(píng)價(jià),使得證券監(jiān)督管理機(jī)構(gòu)有效地監(jiān)督股票市場(chǎng)的風(fēng)險(xiǎn),并判斷其投資行為存在異常情況,為投資者提供正確的股票市場(chǎng)預(yù)估信息。
【部分圖文】：

統(tǒng)計(jì)與決策2019年第5期·總第521期指數(shù)的開(kāi)盤價(jià)、最高價(jià)、最低價(jià)和收盤價(jià)作為樣本，并分別記為Yk、Yg、Yd、Ys。本文采用S-plus軟件，滯后階數(shù)為2，對(duì)上證指數(shù)下一期的開(kāi)盤價(jià)、最高價(jià)、收盤價(jià)、最低價(jià)通過(guò)VAR模型進(jìn)行擬合預(yù)測(cè)。通過(guò)S-plus軟件可以得到Y(jié)o、Yh、Yl、Yc的R2和殘差平方和等。圖1上證指數(shù)四個(gè)指標(biāo)的ACF圖從圖1可以看出四個(gè)指標(biāo)均是平穩(wěn)序列，所以滿足VAR模型的條件，因此可以建立VAR模型。表1擬合優(yōu)度指標(biāo)R2調(diào)整的R2標(biāo)準(zhǔn)誤殘差平方和Yo0.99610.996133.352527256Yh0.99420.994141.745826003Yl0.98980.989652.0661284961Yc0.98190.981672.20252471054從表1可以看出，該模型的R2以及調(diào)整的R2值比較高，故擬合優(yōu)度較高且非常顯著，因此可以初步判斷模型能夠?qū)蓛r(jià)指數(shù)進(jìn)行較好的估計(jì)。并且通過(guò)計(jì)算得到VAR模型的系數(shù)如表2所示。表2系數(shù)矩陣(Intercept)open.lag1high.lag1low.lag1close.lag1open.lag2high.lag2low.lag2close.lag2open-26.2246-0.24020.11500.18210.98330.0429-0.05570.0741-0.0930high-25.9018-0.39620.3816-0.04380.9476-0.14330.22330.1338-0.0914low44.7745-0.3669-0.05370.33601.1397-0.18670.05160.4047-0.3424Close7.0099-0.37590.26580.11360.9780-0.31040.28940.4346-0.3967本文以收盤價(jià)為例，對(duì)于開(kāi)盤價(jià)、最高價(jià)和最低價(jià)可以由類似計(jì)算得到。Yot=-26.2047-0.2402Yot-1-0.1150Yht-1-0.1821Ylt-1+0.9833Yct-1+0.0429Yot-2-0.0557Yht-2+0.0741Ylt-2-0.0930Yc

硎?菹允荊?步預(yù)測(cè)的結(jié)果在準(zhǔn)確度上是有一定保證的，但伴隨預(yù)測(cè)步長(zhǎng)的逐漸遞進(jìn)，總體預(yù)測(cè)精度呈現(xiàn)遞減的態(tài)勢(shì)。因此，在預(yù)測(cè)時(shí)要不斷更新基本數(shù)據(jù)，使得其預(yù)測(cè)的精度更高。在預(yù)測(cè)下一期股價(jià)指數(shù)誤差較小的情況下，投資者理論上可以將預(yù)測(cè)值作為參考，在股票市場(chǎng)上進(jìn)行交易和操作，從而達(dá)到降低風(fēng)險(xiǎn)和增加收益的目的。在預(yù)測(cè)值和真實(shí)值相當(dāng)接近的情況下，投資者在當(dāng)期預(yù)測(cè)出下一期股價(jià)指數(shù)的最高價(jià)和最低價(jià)時(shí)可以采用謹(jǐn)慎的交易策略。即以高于最低價(jià)預(yù)測(cè)值的價(jià)格買進(jìn)，以低于最高價(jià)預(yù)測(cè)值的價(jià)格賣出，只要交財(cái)經(jīng)縱橫圖2真實(shí)值和預(yù)測(cè)值的殘差圖161

.lag1high.lag1low.lag1close.lag1open-19.5937-0.21760.03730.17401.0119high-13.2429-0.32410.4796-0.07240.9244low64.3919-0.3458-0.24540.39021.1755close31.6291-0.32660.20430.11720.9946high5000450040003500300050004500400035003000values450460470480490index5000450040003500300050004500400035003000450460470480490closelowopen圖3預(yù)測(cè)走勢(shì)以及置信區(qū)間圖3畫(huà)出了滯后項(xiàng)為1時(shí)的預(yù)測(cè)圖，圖中的虛線表示預(yù)測(cè)值的置信上下限，可以看出隨著預(yù)測(cè)步長(zhǎng)的增加，預(yù)測(cè)精度越來(lái)越差，在圖中表現(xiàn)是置信上下限呈喇叭狀向外延伸。3VAR模型預(yù)測(cè)的結(jié)構(gòu)性分析一般的VAR(P)模型有很多參數(shù)，由于變量間復(fù)雜的交互和回饋效應(yīng)使得模型的解釋性比較差，因此，VAR(P)的動(dòng)態(tài)性質(zhì)應(yīng)運(yùn)而生。三種常用的結(jié)構(gòu)分析是：（1）格蘭杰因果檢驗(yàn)；（2）脈沖響應(yīng)函數(shù)；（3）預(yù)測(cè)誤差方差的分解。下面結(jié)合本文上證指數(shù)的例子來(lái)研究這三種結(jié)構(gòu)分析。3.1VAR模型對(duì)上證指數(shù)預(yù)測(cè)能力的分析VAR(p)模型的主要作用就是預(yù)測(cè)，VAR模型的結(jié)構(gòu)提供了一個(gè)變量或一組變量對(duì)其他變量的預(yù)測(cè)能力。Granger最早提出了一個(gè)變量的預(yù)測(cè)能力。如果一個(gè)變量或者一組變量，發(fā)現(xiàn)y1有助于預(yù)測(cè)另一個(gè)變量或者另一組變量y2，然后就稱y1是y2的Granger原因，否則稱y1不是y2的格蘭杰原因。嚴(yán)格來(lái)說(shuō)，如果y1不是y2的Grang-er原因，則對(duì)于所有的s>0基于(y)2?t?y2?t-1??預(yù)測(cè)的y2?t+s的MSE和基于(y)2?t?y2?t-1??與(y)1?t?y1?t-
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪延延;張晉昕;;向量自回歸模型擬合與預(yù)測(cè)效果評(píng)價(jià)[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2014年01期

2 周瑛達(dá);胡琬蕓;鞏禹;李慶華;;基于R/S分析法和VAR模型的我國(guó)股票價(jià)格指數(shù)的預(yù)測(cè)性研究[J];生產(chǎn)力研究;2012年04期

3 吳振信;薛冰;王書(shū)平;;基于VAR模型的油價(jià)波動(dòng)對(duì)我國(guó)經(jīng)濟(jì)影響分析[J];中國(guó)管理科學(xué);2011年01期

4 汪靈枝;趙秋梅;韋增欣;;支持向量機(jī)回歸集成股市預(yù)測(cè)模型[J];廣西工學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

5 楊淑玲;;股票價(jià)格的灰色預(yù)測(cè)[J];江西財(cái)經(jīng)大學(xué)學(xué)報(bào);2006年05期

6 姚培福;許大丹;;BP神經(jīng)網(wǎng)絡(luò)在股票預(yù)測(cè)中的應(yīng)用研究[J];廣東自動(dòng)化與信息工程;2006年01期

7 康建林,朱開(kāi)永,周圣武,韓苗;GARCH模型在中國(guó)股票波動(dòng)預(yù)測(cè)中的應(yīng)用[J];贛南師范學(xué)院學(xué)報(bào);2005年03期

8 徐翔,黃道,李昱瑾;一種改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)在股市建模及預(yù)測(cè)中的應(yīng)用[J];微型電腦應(yīng)用;2004年05期

9 何建敏,常松;中國(guó)股票市場(chǎng)多重分形游走及其預(yù)測(cè)[J];中國(guó)管理科學(xué);2002年03期

10 徐龍炳;中國(guó)股票市場(chǎng)股票收益穩(wěn)態(tài)特性的實(shí)證研究[J];金融研究;2001年06期

相關(guān)碩士學(xué)位論文 前1條

1 曾毅成;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)[D];廈門大學(xué);2006年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊文光;嚴(yán)哲;于健;;基于混沌三次指數(shù)平滑模型的CPI預(yù)測(cè)研究[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 趙志;周倩;張晉昕;;時(shí)間序列分析方法及其進(jìn)展[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2015年06期

3 王惠;;城市化、經(jīng)濟(jì)增長(zhǎng)與公共圖書(shū)館發(fā)展——基于我國(guó)省級(jí)面板數(shù)據(jù)[J];圖書(shū)館論壇;2015年12期

4 王文智;武拉平;;國(guó)際性因素對(duì)玉米期貨價(jià)格影響研究[J];經(jīng)濟(jì)問(wèn)題探索;2015年09期

5 曹飛;;石油價(jià)格沖擊與中國(guó)實(shí)際經(jīng)濟(jì)波動(dòng)研究——基于開(kāi)放RBC模型的分析[J];中國(guó)管理科學(xué);2015年07期

6 徐世鵬;張寧;邵星杰;;城市軌道交通站點(diǎn)客流不確定性研究[J];都市快軌交通;2015年03期

7 張書(shū)煜;王瑤;范婷婷;趙珵;王旭澤;;基于社交媒體的投資者情緒對(duì)股市收益影響的大數(shù)據(jù)分析[J];中國(guó)市場(chǎng);2015年25期

8 周業(yè)付;劉慶耀;;國(guó)際原油價(jià)格波動(dòng)對(duì)航運(yùn)運(yùn)價(jià)影響的實(shí)證分析[J];統(tǒng)計(jì)與決策;2015年10期

9 陳鵬杰;李天增;;運(yùn)用小波分析挖掘金融市場(chǎng)中的風(fēng)險(xiǎn)與機(jī)會(huì)[J];樂(lè)山師范學(xué)院學(xué)報(bào);2015年04期

10 左菲菲;焦建玲;李蘭蘭;;國(guó)際石油價(jià)格波動(dòng)的結(jié)構(gòu)性因素分析[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

相關(guān)碩士學(xué)位論文 前10條

1 薛舒婷;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的股價(jià)指數(shù)預(yù)測(cè)及交易策略研究[D];西北大學(xué);2018年

2 龔亞忠;基于METSIM的鎢冶煉工藝過(guò)程仿真研究[D];江西理工大學(xué);2016年

3 張喜梅;中國(guó)股票市場(chǎng)的均值回復(fù)檢驗(yàn)及預(yù)測(cè)問(wèn)題研究[D];浙江理工大學(xué);2016年

4 劉曉瑩;基于KNN方法的股票價(jià)格趨勢(shì)預(yù)測(cè)研究[D];東北農(nóng)業(yè)大學(xué);2015年

5 羅超;涉農(nóng)上市公司股票價(jià)格預(yù)測(cè)研究[D];湖南農(nóng)業(yè)大學(xué);2015年

6 王蓉;神經(jīng)網(wǎng)絡(luò)在煤灰熔融性預(yù)測(cè)中的應(yīng)用[D];西安科技大學(xué);2014年

7 晁瑞昌;互聯(lián)網(wǎng)公司的股票價(jià)格預(yù)測(cè)研究[D];東北財(cái)經(jīng)大學(xué);2012年

8 任偉宏;基于人工神經(jīng)網(wǎng)絡(luò)的水果價(jià)格短期預(yù)測(cè)研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2012年

9 金易筆;基于多級(jí)能耗模型的公共建筑可視化能耗監(jiān)測(cè)平臺(tái)關(guān)鍵技術(shù)[D];浙江大學(xué);2012年

10 汪順偉;基于PCA-BP模型的上證綜指預(yù)測(cè)研究[D];西南石油大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬金華;席曉宇;褚淑貞;;基于VAR模型的我國(guó)生物醫(yī)藥研發(fā)投入與醫(yī)藥經(jīng)濟(jì)增長(zhǎng)研究[J];中國(guó)衛(wèi)生經(jīng)濟(jì);2012年02期

2 國(guó)家統(tǒng)計(jì)局上海調(diào)查總隊(duì)課題組;劉稚南;;基于因子分析和向量自回歸模型的我國(guó)價(jià)格波動(dòng)影響因素實(shí)證分析(上)[J];上海經(jīng)濟(jì)研究;2011年11期

3 于洪江;柳國(guó)洪;孫愛(ài)峰;夏季明;;時(shí)間序列資料季節(jié)變動(dòng)分析方法的比較[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2011年05期

4 閔繼勝;胡浩;;基于VAR(向量自回歸)模型的我國(guó)碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系的動(dòng)態(tài)分析[J];經(jīng)濟(jì)問(wèn)題探索;2011年05期

5 李洪雄;汪浩瀚;;向量自回歸模型與向量誤差修正模型預(yù)測(cè)功能的比較——基于我國(guó)國(guó)內(nèi)生產(chǎn)總值和居民消費(fèi)支出變量的實(shí)證研究[J];寧波大學(xué)學(xué)報(bào)(理工版);2011年02期

6 周杰琦;;國(guó)際油價(jià)波動(dòng)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響——基于中國(guó)的實(shí)證分析[J];技術(shù)經(jīng)濟(jì)與管理研究;2010年04期

7 耿中元;惠曉峰;;M1和M2作為貨幣政策中介目標(biāo)的適用性研究[J];統(tǒng)計(jì)研究;2009年09期

8 柳彬德;張麗峰;;中國(guó)能源需求向量自回歸模型的建立與分析[J];技術(shù)經(jīng)濟(jì)與管理研究;2009年02期

9 吳建生;劉麗萍;金龍;;粒子群-神經(jīng)網(wǎng)絡(luò)集成學(xué)習(xí)算法氣象預(yù)報(bào)建模研究[J];熱帶氣象學(xué)報(bào);2008年06期

10 潘慧峰;張金水;;國(guó)內(nèi)外石油市場(chǎng)的極端風(fēng)險(xiǎn)溢出檢驗(yàn)[J];中國(guó)管理科學(xué);2007年03期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高承引;;制約我國(guó)證券業(yè)品牌化的因素與路徑分析[J];現(xiàn)代商業(yè);2018年12期

2 彭博;;我國(guó)金融證券業(yè)發(fā)展現(xiàn)狀及問(wèn)題[J];課程教育研究;2012年24期

3 張思博;;試析互聯(lián)網(wǎng)金融對(duì)證券業(yè)發(fā)展的影響[J];財(cái)經(jīng)界(學(xué)術(shù)版);2018年21期

4 張海鵬;;棒喝“野蠻人”后,我國(guó)證券業(yè)的展望[J];時(shí)代金融;2017年09期

5 王紅曼;;近代證券業(yè)的社會(huì)責(zé)任[J];中國(guó)金融;2017年11期

6 翟艷;黃解宇;;證券業(yè)集聚對(duì)經(jīng)濟(jì)增長(zhǎng)、區(qū)域經(jīng)濟(jì)差距的影響研究[J];運(yùn)城學(xué)院學(xué)報(bào);2015年01期

7 韓韜;孫弢;梁敉靜;;城鎮(zhèn)化:金融的機(jī)會(huì)[J];金融世界;2013年03期

8 張學(xué)政;胡念華;;證券業(yè)對(duì)外開(kāi)放的路徑[J];中國(guó)金融;2014年14期

9 盧華立;;論發(fā)展證券業(yè)系統(tǒng)重要性機(jī)構(gòu)的必要性及路徑選擇[J];甘肅金融;2014年09期

10 代中現(xiàn);羅劍釗;;海峽兩岸證券業(yè)合作監(jiān)管模式探討[J];現(xiàn)代商貿(mào)工業(yè);2013年09期

相關(guān)博士學(xué)位論文 前6條

1 李延振;證券業(yè)規(guī)制的變革研究[D];暨南大學(xué);2002年

2 陳建;證券利益關(guān)系研究[D];復(fù)旦大學(xué);2010年

3 鄒平;我國(guó)證券公司發(fā)展的制度研究[D];中南大學(xué);2001年

4 洪毅愷;我國(guó)證券公司雙層次戰(zhàn)略聯(lián)盟研究[D];華東師范大學(xué);2008年

5 邵欣煒;基于VaR的金融風(fēng)險(xiǎn)度量與管理[D];吉林大學(xué);2004年

6 孫亮;基于拓展VaR模型的我國(guó)上市公司海外并購(gòu)風(fēng)險(xiǎn)度量研究[D];遼寧大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王燕;我國(guó)證券業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究[D];山西財(cái)經(jīng)大學(xué);2014年

2 宮勛;中國(guó)證券業(yè)空間集聚特征研究[D];南京財(cái)經(jīng)大學(xué);2011年

3 周洋;中國(guó)證券業(yè)規(guī)制問(wèn)題研究[D];東北財(cái)經(jīng)大學(xué);2005年

4 張晴;中國(guó)證券業(yè)市場(chǎng)結(jié)構(gòu)及其重組研究[D];蘇州大學(xué);2002年

5 陳興燁;我國(guó)證券業(yè)上市公司價(jià)值評(píng)估研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

6 易靖華;證券業(yè)基層經(jīng)營(yíng)單元重大不可預(yù)知性危機(jī)應(yīng)對(duì)策略[D];電子科技大學(xué);2013年

7 方婷婷;我國(guó)證券業(yè)市場(chǎng)結(jié)構(gòu)與績(jī)效關(guān)系研究[D];安徽財(cái)經(jīng)大學(xué);2014年

8 嚴(yán)子棠;江西證券業(yè)經(jīng)營(yíng)現(xiàn)狀及發(fā)展對(duì)策研究[D];南昌大學(xué);2013年

9 婁志濤;基于聚類分析的證券業(yè)客戶關(guān)系管理研究[D];西北農(nóng)林科技大學(xué);2010年

10 李鈾;證券業(yè)競(jìng)爭(zhēng)格局與并購(gòu)模式研究[D];大連海事大學(xué);2016年

本文編號(hào)：2886228