Statistics and Application 统计学与应用, 2021, 10(2), 223-234 Published Online April 2021 in Hans. /journal/sa https:///10.12677/sa.2021.102022
文章引用: 贾雪, 吴芷婧, 孙佳萍, 欧圆, 耿帅, 白晓东. 基于GARCH模型对股票市场进行分析预测[J]. 统计学与应用, 2021, 10(2): 223-234. DOI: 10.12677/sa.2021.102022
基于GARCH模型对股票市场进行分析预测 贾 雪，吴芷婧，孙佳萍，欧 圆，耿 帅，白晓东* 大连民族大学，辽宁 大连 收稿日期：2021年3月21日；录用日期：2021年4月5日；发布日期：2021年4月20日 摘 要 本文研究了上海证券综合指数和深圳成分股指数，发现两者趋势十分相似，波动特征几乎相同。为了更好的预测股票发展，我们对两者对数收益率进行统计分析，建立GARCH模型。结果表明，我国股票对数收益率波动具有较高持续性，投机因素较强，具有一定的风险。 关键词 时间序列分析，描述性统计分析，GARCH模型 The Analysis and Forecast of Stock Market Based on GARCH Model Xue Jia, Zhijing Wu, Jiaping Sun, Yuan Ou, Shuai Geng, Xiaodong Bai* Dalian Minzu University, Dalian Liaoning Received: Mar. 21st, 2021; accepted: Apr. 5th, 2021; published: Apr. 20th, 2021 Abstract This paper studies Shanghai Composite Index and Shenzhen Component Index, and finds that they have similar trends and almost identical fluctuation characteristics. In order to better predict the stock development, we make statistical analysis on the logarithmic returns of the two, and estab-lish GARCH model. The results show that the fluctuation of logarithmic return rate of Chinese stock has high persistence, strong speculative factors and certain risks. *通讯作者。 贾雪 等
基于ARIMA-GARCH模型对中美汇率的组合预测
作者：许韬 张赢杰 周子游
来源：《商场现代化》2021年第15期
摘 要：随着2020年全球经济形势面临严重冲击，国际贸易也接连受到影响。外汇是影响国际贸易的主要因素，对汇率的预测可以帮助我们分析经济形势、预防风险。本文选取了2015年1月5日到2021年4月30日的中美汇率集作为研究对象，通过构建ARIMA模型和ARIMA-GARCH模型来进行预测，通过对比两个模型预测曲线和真实值曲线的拟合情况，最后发现MA（1）-GARCH（1，1）更适合对汇率进行短期预测，且精确度较高。最后本文也给出一些针对汇率风险防范的一些手段。
关键词：中美汇率;趋势预测;ARIMA模型;GARCH;模型国际贸易
一、引言
2020年世界经济受到了巨大冲击，各经济体均受到一些影响，主要体现在经济增速陡降，失业率上升，贸易和跨境投资减少等负面反应。其中，国际贸易也受到严峻的考验，国际贸易对各经济体来说是不可缺少的一部分，通过国际贸易可以提高科学技术水平、提高企业竞争力、提高国民经济水平等，而在国际贸易的研究过程中，外汇是一个不可忽略的变量。汇率的变化对于国家政策的调整具有导向性作用，而且汇率的变化也是经济状况的滞后性指标，通过对汇率数据的分析，可以帮助我们如何预防和规避汇率风险。
汇率预测一直都是经济预测领域上受很多人关注的问题，人们在汇率预测的探索进程中不断前行，现阶段大多数汇率预测都是通过参数模型进行预测的。李明轩（2020）选取了五年的人民币汇率作为研究对象，建立ARMA模型和GARCH模型对数据进行分析，得出人民币汇率具有集群性和杠杆性。肖晚秋（2021）选取了连续30个中美汇率数据作为样本数据，通过建立15个子神经网络预测，并集成其结果得到集成网络预测，建立附加动量的优化BP网络，对所有结果进行对比，得出集成神经网络预测精度更高。该模型具有很强的逻辑性和显著性，但是模型选取的数据偏少，精确度会受限。肖龙（2020）通过选取24个月中美汇率数据，构建ARIMA模型研究人民币汇率的短期变动并预测了接下来三个月的汇率变动趋势，提出相关建议。文中仅考虑了数据具有自相关性而忽略了数据可能具有条件异方差性，导致预测结果不够精确。纵观国内相关文献可以看出，对于汇率预测方法的选择，很多学者采取ARIMA-GARCH模型，但是大多数都仅限于当时时代背景或者少量数据进行短期预测，精度尚有提升的空间。
基于GARCH族混合模型的沪深300指数波动预测
1. 引言
沪深300指数作为中国国内最具代表性的股票指数之一，对于投资者和市场分析师来说具有重要的参考价值。在金融市场中，波动率是衡量市场风险的重要指标，对于投资者和决策者来说，准确地预测股票市场的波动率具有重要的意义。本文将基于GARCH族混合模型，对沪深300指数的波动进行预测。
2. GARCH族混合模型
GARCH模型是目前广泛应用的一种波动预测模型，它能够捕捉金融时间序列数据的波动特征。而GARCH族混合模型则是对传统GARCH模型的扩展和演化，它能够更好地适应金融市场的特点，提高波动率的预测精度。
3. 数据来源与预处理
本文使用的沪深300指数数据来源于中国证券市场的交易数据，包括了每日的开盘价、收盘价、最高价和最低价等信息。首先需要对原始数据进行清洗和预处理，包括缺失值的处理、异常值的剔除以及数据的平稳化处理等。
在数据预处理的过程中，我们还需要对原始数据进行时间序列分析，包括对数据的自相关性、异方差性和周期性等进行诊断，以确定适合的模型和预测方法。
4. GARCH族混合模型的建立
在确定了适合的预处理方法和模型结构之后，可以使用GARCH族混合模型对沪深300指数的波动进行建模和预测。通过对历史数据的拟合和参数估计，可以得到一个波动率的预测模型。
在建立GARCH族混合模型的过程中，需要考虑到市场环境的变化和金融时间序列数据的特点，选择合适的模型结构和参数设置。还需要充分考虑到预测结果的稳定性和准确性，以及模型的有效性和可靠性。
还可以对波动率的预测结果进行分析和解释，包括波动率的变化趋势、波动率的关联性和波动率的非线性特征等方面的内容。这有助于投资者和决策者更好地理解市场的波动规律，从而更加精准地进行投资和风险管理。
6. 结论与展望 通过GARCH族混合模型对沪深300指数的波动进行预测和分析，我们可以得到更加完整和深入的市场信息。这有助于投资者更好地把握市场的脉搏，提高投资决策的准确性和效果。
ARIMA-GARCH-M模型在短期股票预测中的应用
熊政;车文刚
【期刊名称】《陕西理工大学学报:自然科学版》
【年(卷),期】2022(38)4
【摘 要】金融时间序列模型既是股票预测中最常用的方法,也是预测股市变化最好的工具之一。根据已有研究,将波动率代入模型公式中,根据各项准则构建ARIMA-GARCH-M模型对股票的收盘价进行预测,利用递归思想对拟合曲线进行校正,进一步提高预测的准确率,并进行MAPE(平均绝对误差)、RMSE(均方根误差)、EC(等系数)检验。最后将ARIMA模型、ARIMA-GARCH模型和ARIMA-GARCH-M模型的检验结果比较。结果表明,通过递归校正的ARIMA-GARCH-M模型在股票短期预测中有着良好的效果,具有一定的可行性。
【总页数】6页(P69-74)
【作 者】熊政;车文刚
【作者单位】昆明理工大学信息工程与自动化学院
【正文语种】中 文
【中图分类】TP133.5
【相关文献】
1.灰色拓扑模型在短期股票预测中的应用2.支持向量机在股票价格短期预测中的应用3.相空间重构在股票短期预测中的应用4.长短期记忆模型在股票价格趋势预测应用研究5.ARMA模型在股票短期预测中的应用 因版权原因，仅展示原文概要，查看原文内容请购买
