股票价格的影响因素分析及其预测

论文摘要

自从上海证券交易所成立以来,股票价格的预测成为人们关注的焦点。常用的预测模型有：马尔科夫模型、灰色系统模型、ARMA/ARIMA模型、ARFIMA模型、各种神经网络模型、混沌动力学模型、非参数核回归估计方法、GARCH模型等等。但是,股票市场是一个很复杂的非线性系统。往往同时受到国际环境、国家政策、经济形势、政治局势以及投资者心理等多种因素的影响。在以往学者的研究成果中,大部分是依据股票的历史价格对未来价格进行预测,而对其影响因素的考虑不多。本文在运用多元统计方法分析股票价格与其影响因素的相关关系的基础上,将主要因素引入函数系数自回归模型中,建立了预测股票价格的具有外生变量的函数系数自回归模型。具体内容如下：(1)建立股票价格及其影响因素的典型相关分析模型,得出典型变量,并对典型变量间的相关系数进行显著性检验。结果表明,两者之间存在很大的相关性。最后,找出影响股票价格的主要因素。(2)构建股票价格及其影响因素的灰典型相关分析模型,得出灰典型变量,并对灰典型变量间的相关系数进行显著性检验。然后,找出影响股票价格的主要因素。最后,与典型相关分析模型进行比较。结果表明,灰典型相关分析模型更适用于具有时间意义的样本数据。(3)在以上分析基础上,根据函数系数自回归模型(FAR模型)的理论以及局部线性估计,通过MATLAB编程,对沪深300指数及其影响因素的月度数据建立了具有外生变量的函数系数自回归模型,此模型不仅考虑了滞后内生变量的影响而且还考虑了外生变量的影响。最后,运用此模型对随后几个月的股票价格进行预测,结果表明,此模型在股票价格的预测中具有很好的应用前景。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 多元统计分析
• 1.2.1 典型相关分析
• 1.2.2 灰典型相关分析
• 1.3 时间序列分析
• 1.3.1 非线性时间序列
• 1.3.2 函数系数自回归模型
• 1.4 本文的研究目的及结构安排
• 1.5 小结
• 2 股票价格及其影响因素的典型相关分析模型
• 2.1 典型变量与典型相关系数
• i的显著性检验（BARTLETT检验）'>2.2 典型相关系数λ_i的显著性检验（BARTLETT检验）
• 2.3 典型冗余分析
• 2.3.1 解释本组变量
• 2.3.2 解释另一组变量
• 2.4 实证分析
• 2.4.1 研究变量的选择
• 2.4.2 样本数据来源
• 2.4.3 建模及结果分析
• 2.5 小结
• 3 股票价格及其影响因素的灰典型相关分析模型
• 3.1 灰多元统计分析构想的提出
• 3.2 灰序列的数字特征
• 3.3 灰典型相关分析的思想与基本步骤
• 3.4 灰典型相关系数的显著性检验
• 3.5 实证分析
• 3.5.1 样本数据来源
• 3.5.2 变量的选择
• 3.5.3 灰典型相关系数与灰典型相关变量
• 3.5.4 显著性检验
• 3.5.5 结果分析
• 3.6 灰典型相关模型与经典典型相关模型的对比分析
• 3.7 小结
• 4 沪深300指数的具有外生变量的函数系数自回归模型
• 4.1 几个基本概念
• 4.2 具有外生变量的函数系数自回归模型
• 4.3 数据的平稳性检验和预处理
• 4.3.1 平稳性检验
• 4.3.2 平稳化处理
• 4.4 系数函数的两种估计方法
• 4.4.1 系数函数的局部线性估计
• 4.4.2 模型中滞后阶数p和带宽h的选择
• 4.4.3 系数函数多项式样条估计及其一致性和收敛速度
• 4.4.4 节点、门限变量和滞后阶数的选取
• 4.5 实证分析
• 4.5.1 数据分析及平稳性检验
• 4.5.2 模型的建立
• 4.5.3 数据拟合及预测
• 4.6 小结
• 5 结论
• 5.1 本文主要研究结果
• 5.2 有待进一步完善的问题
• 致谢
• 参考文献
• 附录
• Ⅰ 本论文所用数据
• Ⅱ 本人在攻读硕士学位期间发表的论文