摘 要：本文运用时间序列分析方法，研究股票的两个指标：收盘价和收益率百分比，并以沪深300指数为例，利用SAS软件编程来处理数据和建立模型。文章首次用SAS软件编程拟合了ARMA、ARIMA、疏系数、ARCH、GARCH、AR-GARCH等多个模型，运用AIC和BIC准则和误差平方和两种方法优化模型，用EVIEWS软件预测。本文主要考虑时间和序列内部自身的发展规律。收盘价的最优模型为时间变量的AR（1）-ARCH（1）模型，收益率百分比的最优模型为延迟因变量的GARCH(1,1)模型。92096
毕业论文关键词：SAS，收盘价，收益率百分比，GARCH模型、AR-GARCH模型
Abstract：This paper uses time series analysis method to analyze closing price and yieldpercentage。This paper uses CSI300 index and SAS to establish the model。This paper compares ARMA, ARIMA, Sparse coefficient, ARCH and GARCH,AR –GARCH and uses AIC、BIC principles and error squares to optimize model and uses EVIEWS to forecast。This paper mainly considers the internal development law of time and sequence。 The optimal model of closing price is AR (1) –ARCH(1) of time variable ,and the optimal model of yield percentage is GARCH (1, 1) of the dependent variable。
Keywords: SAS, Closing price,Yieldpercentage,GARCH,AR-GARCH
目 录
1 绪论 3
1。1 研究背景 3
1。3 研究目的及意义 5
2 平稳时间序列与非平稳时间序列预测模型 5
2。1 平稳时间序列 5
2。11 白噪声 6
2。12 差分运算和延迟算子 7
2。13 自相关系数或者偏相关系数截尾拖尾 7
2。14 ARMA模型 8
2。15 参数估计 10
2。16 模型检验 10
2。17 模型优化 11
2。18 模型预测 11
2。2 非平稳序列的随机分析 12
2。21 Gramer分解定理 12
2。22 差分运算及差分选择 12
2。23 ARIMA模型 13
2。24 条件异方差模型 14
3 案例分析 15
3。1 对收盘价案例分析（ ） 15
3。11 ARMA模型 16
3。12 ARIMA 模型 17
3。13 ARCH模型 21
3。14 模型优化 27
3。2 对收益率百分比的案例分析（ ） 27
3。21 拟合ARMA模型 27
3。22拟合ARCH 模型 29
3。23 模型优化 32
4 运用EVIEWS预测 33
结 论 35
参 考 文 献 36
致 谢 38
附 录 39
1 绪论
1。1 研究背景
股票是由股份公司发行的所有权凭证，是股份公司为了筹集资金而发行的，给每个股东作为持股凭证并且以此获得股息和红利的一种有价证券。自我国股票市场成立以来，它就直接影响着我国经济的发展，关乎我国社会的发展，也影响着国家的宏观经济政策。本文主要分析的是沪深300指数的收盘价和收益率，它作为最具能反映中国证券市场股票价格变动方向和运行状况的股票，可以作为业绩的评价标准，具有良好的市场性。随着全球数据存储量每年都在迅速增加，SAS软件被广泛的运用于生活和工作中，成为统计分析最专业和可靠的工具之一，极大地满足了人们对数据神秘性的认知。时间序列分析遵循数理统计的基本原理，利用样本信息去估计总体的性质，通过观察研究，寻找变化发展的规律，预测未来的走势[1]。 基于SAS的时间序列模型在股票预测方面的应用:http://www.youerw.com/shuxue/lunwen_199698.html