毕业论文

打赏
当前位置: 毕业论文 > 数学论文 >

基于SAS的时间序列模型在股票预测方面的应用(3)

时间:2023-12-17 11:07来源:毕业论文
(2)对公司的意义 股票价格指数可以促进公司不断改善经营模式。公司经济效益好,股票价格才高,投资者才乐意投资。这就要求公司不断改善经营模式

(2)对公司的意义

股票价格指数可以促进公司不断改善经营模式。公司经济效益好,股票价格才高,投资者才乐意投资。这就要求公司不断改善经营模式、提高经济效益、增加员工的积极性。

(3)对投资者规避风险具有重大意义

了解了股票价格模型,进行预测,才能更好地把握企业和行业的发展趋势,选择正确的投资方法,实现最优资产配置,在能接受的风险内收益最大化。

2 平稳时间序列与非平稳时间序列预测模型

2。1 平稳时间序列

(1)意义:

①增加了待估参数的样本量,减少了随机变量的个数;

②极大地简化了时序分析的难度,提高了对统计量的估计精度。

(2)定义: 若时间 :

①任 ;② ;

③任 ,

 为平稳序列。

(3)性质:① ;② ;

③ ;④ 。

(4)检验方法:

①时序图检验:平稳序列的时序图显示出该序列始终在一个常数值附近随机波动,波动范围有界,无明显趋势及周期波动[3]。

②自相关图检验:平稳序列通常具有短期相关性;平稳序列的自相关系数很快衰减到零;自相关系数始终控制在2倍的标准差范围内[3]。

2。11 白噪声源G于J优L尔V论N文M网WwW.youeRw.com 原文+QQ75201`8766

(1)定义:若时间 满足

① ;②任 ,

则称 为随机序列,即白噪声(white noise)序列,简记 。

容易证明白噪声序列一定是平稳序列[4-5]。

(2)性质:①纯随机性 ;

②方差齐性 。

(3)检验原理及方法:

原理:Barlett证明,如果一个时间序列是纯随机的,得到一个观察期为n的观察序 那么该序列的延迟非零期的样本。

自相关系数将近似服从均值为零、方差为序列观察期数倒数的正态分布[6]。

方法: : ,

备择假设 。

① , 。

②LB统计量:  , 拒绝域:LB 。

注:平稳序列具有短期相关性。

2。12 差分运算和延迟算子

1阶差分运算 ;2阶差分运算 ;

P阶差分运算 ;

K步差分运算 。

延迟算子:

2。13 自相关系数或者偏相关系数截尾拖尾

d阶截尾:相关系数最初d期明显超过 ,且后95%落在 内,且衰减到小值的过程突然[7]。

拖尾:相关系数超过5%落在 外或者衰减到小值的过程缓慢。

2。14 ARMA模型

(1)自回归(AR)模型

①定义:对于平稳非白噪声的时间 ,有 

则 为P阶自回归模型,简记为AR(p)。

模型简记 。 

 ,称为P阶自回归系数多项式。

②平稳性判别: AR(p)模型平稳 模型的p个特征根都在单位圆内 

 解在单位圆外[8]。

 ; 

③统计性质:设 

均值: 方差: 

其中Green递推公式:  , 

则AR模型的递推形式 。

自协方差: ; 。

④模型识别:AR(p)模型的自相关系数拖尾,偏自相关系数截尾。

(2)移动平均(MA)模型

①定义:对于平稳非白噪声的时间 ,有 

 为q移动平均模型,简记为MA(q)。

 。

其中  ,称为q阶移动平均系数多项式。

②可逆性判别[3-9]:MA(q)模型可逆 特征多项式所求特征根在单位圆内

  的根在单位圆外[5]。

 ; 。

③统计性质:设  基于SAS的时间序列模型在股票预测方面的应用(3):http://www.youerw.com/shuxue/lunwen_199698.html

------分隔线----------------------------
推荐内容