沪深股票指数运行方向预测--基于成交量的ARIMA建模分析.docx

摘要：沪深300指数集合了沪深两市在公司规模发展行业有代表性的股票,其反映了中国证券市场股票价格变动的基本概貌和运行状况,再加上个别公司股票价格的异常变动对大盘指数的影响是有限的,所以可以认为其反映了A股的整体方向,成为了越来越受到投资者青睐的投资业绩评价标准。故本文首先确定了以沪深300指数为研究对象。同时,在股票市场里,从量价的关系来看,成交量变化也会先于股价变化且方向相同,成交量的规模在某种程度上代表了股票投资者对股票的购买欲望，可以称成交量是股票市场的原动力。因此,可以把成交量作为投资者分析判断股票行情并作出投资决策的重要参照,也最能反映股市的大趋势和股指变化。就在此前提下,本文同时选取了2005年1月4日到2017年3月1日的沪深300价格指数和日成交量两组时间序列数据,应用Eviews软件,首先利用单位根检验对两组序列的平稳性进行检验,若序列不平稳对其进行差分直到两序列同时平稳后对两序列进行协整检验,若原始序列均平稳则直接进行协整检验,通过EG两步协整法和Johansen协整检验判断沪深300价格指数和沪深300日成交量的协整关系是否存在,在确定了成交量对价格指数具有预测能力之后,即可直接对日成交量序列进行建模,由自相关函数分析图和偏自相关函数分析图可以进行模型的识别和定阶, 进而确定了本文应用模型建立来做沪深300价格指数的预测,然后对模型的参数进行估计,得到模型之后,对模型的适应性进行检验。最后评价和分析模型的方法采用对日成交量时间序列进行历史模拟来实证模型的预测效果。最后希望此预测模型可以作为投资者进行投资决策的依据,能够帮助投资者更加正确的做出投资决策。

关键词  ARIMA模型 协整检验 沪深300

目录

摘要

Abstract

1.引言-1

1.1 论文的研究背景-1

1.2 论文的研究目的及意义-1

1.3 论文的研究现状-1

1.4 论文的研究手段及创新-2

2.时间序列模型的建模-3

2.1 时间序列分析的定义-3

2.2 时间序列分析的常用统计量-3

2.3时间序列的常用模型-4

3.日成交量与价格指数的相关性检验-6

3.1 散点图检验-6

3.2 自相关系数判断-7

3.3 直方图及统计量-8

3.4 ADF单位根检验-9

3.5 时间序列一阶差分后的平稳性检验-10

3.6 Engle-Granger两步协整法-11

3.7 Johansen协整检验-13

4.ARIMA模型的定量分析-14

4.1模型的识别与定阶-14

4.2模型的检验-17

4.3模型的预测及模拟-17

5 结论-19

参考文献-19