1、西 南 民 族 大 學 2 0 1 52 0 1 6 學 年 第 2 學 期2015 級碩士生金融市場計量經濟學課程期末論文論文名稱：基于ARMA模型對浦發銀行股價預測的實證分析任課老師：杜紅艷開課學院：經濟學院課程名稱：金融市場計量經濟學學 院：經濟學院專 業：金融學學 號：跟讀姓 名：王筱涵2016年 7月 9日摘要時間序列分析是經濟領域運用研究最廣泛的工具之一，ARMA模型是一種最常見的時間序列模型。本文利用ARMAg型，對浦發銀行（600000）的每日開盤價格（2015年7月1日， 星期三 2016 年 6 月 30 日，星期四）進行分析，以此預測下一個交易日（ 2016 年 7 月

2、1 日，星期五）的開盤價格，并與真實的開盤價格進行對比。關鍵詞：時間序列；ARMA模型；股價預測一、引言時間序列分析是從一段時間上的一組時間上的一組屬性值數據中發現模式并預測未來 值的過程。ARMA模型是一種用于擬合平穩序列的模型，對于滿足有限參數線性模型的平穩 時間序列的分析，它用有限參數線性模型描述時間序列的自相關結構，便于進行統計分析 與數學處理。本文從微觀角度，利用 ARMA模型結合浦發銀行數據建立模型并進行預測，多 數經濟時間序列存在慣性，通過對這種慣性的分析可以由過去和現在值對未來進行預測， 對中小投資者的短線投資具有更大的參考意義。二、實證分析1、數據說明由于時間序列模型往往需要

3、大樣本，所以這里我從新浪股票網站獲取了浦發銀行 2015 年 7 月 1 日至 2016年 6 月 30 日的開盤價格，總計一年的價格，共 262個樣本。由于法定 假日以及股票停牌等原因，導致股票價格不完整，所以首先對空缺日期的數據進行補充， 處理方法為取前一天的開盤價格為空缺日期當日的開盤價格。數據來源：新浪財經網站()2、平穩性檢驗穩的時間序列；并且回執自相關圖和偏自相關圖并進行單位根檢驗，根據向相關圖縮 減速度很慢以及單位根檢驗結果統計量的 P值大于0.05可以判斷該序列為非平穩的。因為序列是非平穩的時間序列， 所以對其取對數并進行一階差分， 然后進行ADF檢驗, 通過1%的顯著檢驗，即

4、數據一階差分后平穩。表2.2.1數據ADF檢驗結果t-StatisticProb.*Augme nted Dickey-Fuller test-15.075630.0000statisticTest critical1%level-3.455387values:5%level-2.87245510%level-2.572660可以看出查分后明顯得到 Augmented Dickey-Fuller test statistic為-15.07563，其絕對值明顯大于1%顯著水平下的臨界值-3.455387，所以可以通過平穩性檢驗。在對序列進行correlogram specification后得到

5、自相關圖和偏自相關圖衰減速度很快以及unit root test 結果T統計量的P值大于0.05也可以判斷該序列為平穩序列。3、模型識別與定階觀測一階差分數據din的AC和PAC圖，看到其均沒有明顯的截尾性，嘗試用 ARM/模 型。根據偏自相關圖可知p=6,并根據自相關圖得到q等于5或者6,嘗試不同的的滯后項 q，根據 akaike info criterion和 schwarz criterion 最小化以及 R-squared 最大化的原理來確定ARMA(P,Q模型。經過比較不同的模型得到最終模型 ARMA (6,5)并選取ARIMA 1, 5)模型作為預測模型。ARMA(P,Q)ARMA

6、(6 5)ARMA(6 6)Akaike info criteri on-5.000096-4.998446Schwarz criteri on-4.847336-4.931413R-squared0.1576020.1628034、ARMAg型的檢驗對于ARMA6 , 5),其所有變量系數均通過 T檢驗，說明變量顯著；prob (F-statistic ) =0.0008小于0.05，說明通過F檢驗，方程總體顯著；Durbin-Warson stat=1.984477，約 等于2,說明不存在自相關。模型的特征根倒數在單位圓內，說明模型穩定，綜上所述，說 明模型ARMA(6 5)是可取的。對于

7、ARIMA( 6,1,5 )模型，對其殘差序列進行檢驗，其殘差的AC和Q統計檢驗發現其殘差自相關基本在0附近，且Q值基本通過檢驗，殘差不明顯存在相關，即可以認為查 查重沒有包含太多信息，模型擬合基本符合。5、 股價預測使用以上模型對浦發銀行 2016年7月 1日的股票開盤價格即興預測得出預測值為 15.72 元每股，實際值為 15.57 ，其 Root Mean Squared Error 為 0.027119，因此可以認為該模 型可以較為準確地預測浦發銀行的股價趨勢。三、結論本文利用浦發銀行歷史交易開盤價格作為時間序列進行分析，發現其股價的變化趨勢， 并以此來預測未來交易日的開盤價格，誤差較

8、小，取得良好的效果，可以對中小投資者的 短期投資活動提供一定的參考依據，具有一定的現實意義。但是，股票價格的時間序列是 非平穩的的時間序列，對其進行差分后會損失很多信息，所以估計的時間序列模型的決定 系數不高。再者，本文針對浦發銀行的數據進行預測，預測的結果只能適用于同行業的相 似銀行有一定的參考價值。第三，ARMA模型的預測只能是適用于短期預測，時間較長產生 的誤差會較大，因此此模型對于長期投資的參考價值不大。綜上所述，ARMA莫型較好的解決了非平穩的時間序列的建模問題，可以在時間序列的 預測方面有很好的表現。借助 Eviews軟件，可以很方便的將 ARMA模型用于金融等時間序 列問題的研究與預測方面。參考文獻1 克里斯布魯克斯著，鄒宏元譯.金融計量經濟學導論M.西南財經大學出版社