基于Eviews上证综合指数预测

2016-12-05 16:12叶鹏马成浩
时代金融 2016年29期

叶鹏+马成浩

【摘要】本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。

【关键词】指数预测  时间序列  ARIMA模型

一、模型构建

(一)样本选取

本文选用上证指数时间跨度为2000年1月28日至2015年10月30日的月份数据,剔除节假日和个别不交易的数据,样本容量为191。其中,选取2015年11月上证指数收盘价作为模型预测的估计量,所有交易数据来源于同花顺官方网站。

(二)数据处理

由于上证指数数据较大,故本文通过对数化处理得出上证指数的收益率LNXt=lnXt,式中Xt为第t个交易日上证指数的月收盘价,LNXt表示上证指数在第t个交易日的收益率。

(三)平稳性检验

一般而言时间序列数据都具有某种趋势,是非平稳的,用单位根检验方法(ADF检验)可验其平稳性,本文用单位根检验的三种设定形式分别检验上证指数的平稳性。

模型1:

模型2:

模型3:

表1 上证收益率LNX的ADF检验结果表

由表1可以看出,无论在哪一种模型形式下,上证指数收益率序列LNX非平稳,无法对其建立ARIMA模型。

为了得到平稳的收益率序列,对其进行一阶差分得D(LNXt)=LNXt-LNXt-1。

对差分序列DLNX进行ADF检验(表2),上证指数收益率1阶差分序列通过了ADF检验,该序列是平稳的,ARIMA模型中滞后阶数d=1,可对DLNX建立ARIMA模型。

表2 DLNX的ADF检验结果表

(四)模型估计

作收益率1阶差分后滞后20期的自相关——偏自相关图,发现收益率1阶差分后的序列自相关图是截尾的,偏自相关图是截尾的,对收益率差分序列建立ARIMA模型,估计结果如表3。

表3 ARIMA(11,1,11)估计结果

估计方程:

ARIMA(11,1,11)模型参数在10%的水平下都是显著的,其中,AR(11)和MA(11)在1%显著性水平在显著,常数项在10%显著性水平下显著,AR特征根0.96和MA特征根0.99都在单位圆之内,是平稳的。

(五)模型诊断

对模型ARIMA(11,1,11)残差进行检验,得到残差单位根检验结果(表4)。残差通过了ADF单位根检验,故残差序列是白噪声。

表4 残差ADF检验结果表

二、样本外预测

本文采用静态预测,依据模型对上证指数收益率进行预测,结果见表5。

表5 上证指数预测结果

三、结论

本文利用ARIMA模型对上证指数月度数据进行预测,真实值与预测值对比情况见表5,预测结果在允许的误差内,从而ARIMA(11,1,11)模型对大盘指数有较好的预测性。选取的月度数据未包含一个月内影响指数变动的诸多因素,故有一定的误差。此模型对大盘走势进行的短期预测,可为投资者提供一定的投资决策依据。

参考文献

[1]刘云.ARIMA对我国上证指数的预测研究[J],现代商贸工业,2012(16).

[2]柯文泉.ARIMA模型在上证指数预测中的应用[J],现代商业,2008(13).

作者简介:叶鹏(1995-),男,汉族,辽宁工程技术大学工商管理学院本科生,研究方向:金融学;马成浩(1994-),男,汉族,辽宁工程技术大学工商管理学院本科生,研究方向:金融学。