集成模型ARIMAX-GARCH及其在股票预测中的应用

沈小欣 赵亚玲 朱海江

(浙江师范大学 数理信息学院，浙江 金华321004)

集成模型ARIMAX-GARCH及其在股票预测中的应用

沈小欣 赵亚玲 朱海江

(浙江师范大学 数理信息学院，浙江 金华321004)

在分析ARIMAX模型与GARCH模型的预测特性和优劣的基础上,建立了基于两者集成的ARIMAX-GARCH模型，其基本思想是充分发挥两种模型在回归与序列波动性因素提取方面的优势.对从5大行业中随机抽取的10只只股票的实证分析表明，该集成模型在股票预测中的准确率与稳定性显著优于两个单一模型.

时间序列；ARIMAX模型；GARCH模型；ARIMAX-GARCH模型；股票预测

近几十年来,很多学者开始利用时间序列模型研究数据的变化规律.1976年George E.P.Box和Gwilym M.Jenkins在研究CO2的输出浓度时开始运用多元时间序列分析方法[1]，这就是早期的ARIMAX模型.1987年Engle和Granger又提出协整的概念[2]，进一步完善了ARIMAX模型.ARIMAX模型并没有广泛运用于金融时间序列，其原因是很多金融时间序列的残差序列具有异方差性，而ARIMAX模型并不能很好地刻画金融时间序列的波动性.1982年Engle提出了条件异方差模型[3]，Bollerslevb于1986对文献[3]的模型作了修正[4]，提出广义自回归条件异方差模型，即GARCH模型.我国学者唐齐鸣与陈健利用ARCH模型对中国股市的波动性进行了检验,发现其具有较明显的ARCH效应[5].

股票预测一直是经济统计的一个热点.常用的股票预测模型中均使用股票收盘价这一单一变量，然而华尔街有句名言，“价走量先行”，说明股票价格与成交量之间有一种必然的联系，故比较好的股票预测模型应该包含……