自回歸求積移動平均(ARIMA)模型是一種目前應(yīng)用廣泛最的線性時間序列建模工具之;金融時間序列的特點(diǎn)之一是序列通常是非平穩(wěn)的,自回歸求積移動平均(ARIMA)模型對非平穩(wěn)序列的處理方式是:對序列進(jìn)行適當(dāng)階數(shù)的差分,使序列消除趨勢而成為平穩(wěn)序列,然后用ARMA模型擬合之。 然而,一個含有趨勢性成分的時間序列經(jīng)過差分變換,平穩(wěn)化之后,如果是一個白噪聲的話,是不適合用ARMA模型擬合的,因而原序列是不適合用ARIMA模型擬合的。而且,ARIMA模型是一種線性模型,而金融時間序列的一個顯著特點(diǎn)之一就是通常是非線性的而且其隨機(jī)項常常是非GAUSS分布的,用ARIMA模型擬合之也有不足;對于這種情況,本文提出了用5維的新陳代謝的灰色模型擬合非平穩(wěn)序列(上海證券A股的某部分股票價格指數(shù)),然后用ARIMA模型對殘差進(jìn)行擬合,最后用建立好的混合模型進(jìn)行預(yù)測,通過將預(yù)測數(shù)據(jù)與真實(shí)數(shù)據(jù)比較,證明模型的預(yù)測效果良好。

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
第一章 緒論
    1.1 經(jīng)濟(jì)時間序列的研究發(fā)展概況
    1.2 我國學(xué)者對股票價格指數(shù)的研究現(xiàn)狀
    1.3 灰色理論的應(yīng)用和發(fā)展概況
    1.4 研究的主要內(nèi)容、創(chuàng)新點(diǎn)、研究手段及技術(shù)路線
第二章 灰色理論
    2.1 概述
    2.2 GM模型的建模機(jī)理
    2.3 灰色模塊，生成函數(shù)
    2.4 GM(1，1)模型
    2.5 幾種GM模型
第三章 ARIMA模型
    3.1 概述
    3.2 ARMA模型的識別
    3.3 ARIMA模型的識別和定階
    3.4 模型的參數(shù)的估計
    3.5 模型檢驗
    3.6 預(yù)報
第四章 GM-ARIMA法的統(tǒng)計試驗分析
    4.1 試驗設(shè)計
    4.2 序列的模擬
    4.3 試驗的結(jié)果
第五章 建模
    5.1 數(shù)據(jù)預(yù)處理
    5.2 建立GM(1，1)模型
    5.3 用ARIMA作殘差修正
    5.4 對已建立模型的檢驗
    5.5 預(yù)測結(jié)果及誤差
結(jié)束語
參考文獻(xiàn)
致謝



本文編號：3749230