时间序列分析方法及ARMA,GARCH两种常用模型

被引：20

作者：

武伟 ^{[1
]}

刘希玉 ^{[2
]}

杨怡 ^{[2
]}

王努 ^{[1
]}

机构：

[1] 山东师范大学信息科学与工程学院

[2] 山东师范大学管理与经济学院

来源：

计算机技术与发展 | 2010年 / 20卷 / 01期

基金：

国家自然科学基金重大项目;

关键词：

时间序列分析法; 自回归移动平均模型; 条件异方差模型;

D O I：

暂无

中图分类号：

F224 [经济数学方法]; F830.91 [证券市场];

学科分类号：

0701 ; 070104 ;

摘要：

证券市场具有数据单一性(大量不需要经过特殊处理的数据)、分析手段多样性和隐蔽性的特点,且与其飞速发展不相称的是证券分析技术进展的缓慢。股市系统中时间序列的预测问题具有重要的理论及实际意义,时间序列的获取是通过对数据库中数据进行分类汇总分析而获得。获取时间序列数据以后可以对它进行预测分析,从而较准确地预见系统的演进。文中介绍了时间序列的基本知识,同时比较了ARMA和GARCH两种常用模型,得出对于中国股市,GARCH模型性能优于ARCH模型。

引用

页码：247 / 249+253 +253

页数：4

共 6 条

[1] 上海股市的时间序列模型研究 [J].

王珏 ;

秦伟良 ;

钱海荣 .

统计与决策, 2004, (11) :11-23

[2] 汇率的可预测性实证分析 [J].

叶峰 ;

范龙振 .

管理工程学报, 2001, (03) :42-45+2

[3]

流数据时序模式依赖挖掘在股市行情分析中的应用.[D].孔淑慧.北京交通大学.2008, 08

[4]

时间序列的数据挖掘在证券预测分析中的应用研究.[D].谷赫.吉林大学.2005, 06

[5]

金融时间序列的经济计量学模型.[M].(英)特伦斯·C·米尔斯(TerenceC.Mills)著;俞卓菁译;.经济科学出版社.2002,

[6]

GARCH模型对沪市行业指数的实证研究..佚名;.http://www.govyi.com/lunwen/2008/200810/262942.shtml.2008,

← 1 →