ARIMA模型在股票预测中的应用,该文是关于股票论文范文，为你的论文写作提供相关论文资料参考。
股票论文参考文献：
摘 要：文章研究了ARIMA模型及其应用,以三一重工（600031）的120个股票数据为例,给出了时间序列模型预测的建模过程.通过真实值与预测值的比较,验证了模型的可靠性,该模型适用于短期预测,对长期预测效果不佳,为实际应用中,对短期预测股价,提供了参考的依据.
关键词：时间序列分析 ARIMA模型 自相关函数 偏相关函数
中图分类号：F830.91 文献标识码：A
文章编号：1004-4914（2015）11-156-02
平稳时间序列的直观含义就是序列中不存在任何趋势性和周期性,其统计意义就是一阶矩为常数,二阶矩存在且为时间间隔的函数.但在实际问题中,常遇到的序列,特别是反映经济现象的序列,大多数并不平稳,而是呈现出明显的趋势性或周期性.接下来讨论如何将非平稳序列转化为平稳序列,并应用建模和预测方法预测股票的走向和趋势.
选择的样本Xt尽量考虑使用最近的样本.本文的样本选取为2014年末到2015年5月三一重工的120个股票数据,来预测下一段股票的走势,股票数据见表1.显然,该序列为随机时间序列,其容量满足条件要求.
股票没有围绕一个常数上下波动,而是明显地增加或骤然地减小,还有类似周期性的趋势,所以判断该时间序列为非平稳时间序列,现运用差分方法,通过MATLAB程序,计算样本自相关函数和样本偏相关函数及其图像,由股价二次差分数据的样本自相关函数和偏相关函数的图象均拖尾,则该时间序列符合ARMA（p,q）模型,模型如下：Wt-?渍1Wt-1-等-?渍pWt-p等于at-θ1at-1-等-θqat-q.
下一步是对ARMA模型阶数进行判定,我们采用最佳准则法,AIC定阶准则.选取不同的p,q及模型参数,运用MATLAB工具箱中的aicbic（）函数对{Xt}进行拟合,然后改变模型的阶数及参数,使AIC值达到极小的模型被认为是最佳模型.经计算比较得最小的AIC,ARMA（1,1）为最小,故ARMA（1,1）为最佳模型.
利用建立的时间序列模型进行线性最小方差预测,可以通过递推的形式完成,见表2.
通过模型预测值与真实值对比得到,ARMA模型的预测效果非常准确,但ARMA模型由于只考虑时间序列本身的特性来进行预测,没有考虑到影响股票变化的其他因素,如政治、国际经济、世界环境等不可预测的因素,但我们不能受不可测因素的制约停滞不前,所以选择剔除其他因素的时间序列模型,模型的结果从短期对股票给出了预测,效果很好,可以接受.
参考文献：
[1] 汪荣鑫.随机过程[M].西安：西安交通大学出版社,2006
[2] 冯学慧.我国工业总产值的指数预测中模型的应用[J].2011
[3] 张善文.MATLAB在时间序列分析中的应用[M].西安：西安电子科技大学出版社,2007
[4] 李念水.时间序列数据流在线预测研究与应用[J].大连理工大学学报,2010（8）
（作者单位：黑龙江科技大学理学院 黑龙江哈尔滨 150022）
（第一作者简介：于海姝,讲师,硕士,专业：应用数学,主要研究方向：概率统计.）
（责编：贾伟）
结论：关于对写作股票论文范文与课题研究的大学硕士、相关本科毕业论文股票论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
基于ARIMA模型沪铜期货价格预测
摘 要：本文基于ARIMA模型建立了沪铜期货价格预测模型，并对2015年1月5日至2015年9月25日内共180个交易日的上海期货交易所的沪铜主。
基于ARIMA模型郑州市商品住宅销售价格预测
52,53,54,摘要：本文根据河南省郑州市2009年-2011年90平方米以下商品住宅销售价格的统计数据，进行时间序列的平稳化处理，并根据时。
基于ARIMA模型甘肃省生态足迹预测
摘 要：生态足迹模型是一种可以有效度量可持续发展的方法，从提出以来备受人们的关注。将生态足迹模型与ARIMA模型相结合，采用不同的均衡因子，以甘。