基于时间序列分析的股票价格趋势预测研究

随着中国资本市场的迅速发展和居民收入水平的较大提高,越来越多的人参与到股票市场的投资中,希望能够实现财富的保值和增值。虽然股票是一个可能带来高回报的投资品种,但是同时它又是高风险的,其时刻变化不定的价格,让投资者感受到这个市场的复杂性,所以他们迫切需要一种理论来解释价格变动的原因,并需要一种科学的预测方法来指导投资,从而规避风险,获得较好的投资回报。股票价格的预测是一个世界性难题,但这项研究蕴含着巨大的潜在经济利益,所以吸引着全球许多的学者专家来对其进行研究。 Fama在20世纪70年代提出了著名的有效市场假设,认为股票价格的波动是随机游走过程,将来的价格是不可预测的,人们不可能依靠分析历史价格信息和公开信息而获得超常收益。然而,近年来越来越多的实证研究表明,这种理论与事实不符合。为了更有效地解释证券市场的波动规律,Peters在20世纪90年代初提出了分形市场假说,强调证券市场信息接受程度和投资时间尺度对投资者行为的影响,认为所有稳定的市场都存在分形结构,证券价格在一定程度上存在可预测性。 在承认股票价格存在可预测性的前提下,本文系统阐述了股票价格预测的各种方法,既包括传统的基本分析以及技术分析等方法,也包括基于时间序列分析的ARIMA和GARCH模型等现代预测方法,当然由于影响股票价格的因素众多,不可能用一种简单的模型或方法就能够完全预测其未来的涨跌情况。 本文的创新之处主要体现在所采用的预测方法上,文献中常见的是用GARCH模型来对收益率的波动率进行估计,本文尝试使用GARCH模型和ARIMA模型对股价波动趋势进行短期预测。首先利用7日移动平均方法对上证指数日收盘价数据进行了适当的降噪处理,然后对此趋势序列进行了ARIMA建模和GARCH建模分析,并利用所建立的模型进行了短期趋势预测,发现有较好的短期预测效果,对提醒投资者注意风险以及帮助投资者把握买卖时机上有较强的现实意义和一定的实用价值。