基于GARCH模型的股价短期预测外文翻译资料
2022-12-29 11:47:50
基于GARCH模型的股价短期预测
关键词:预测、股票价格、GARCH模型
摘要:利用股票价格数据建立的序列能够解释股票价格数据之间的关系,可以预测未来的股票价格。本文利用GARCH类模型对上海综合指数进行了实证研究。本文的研究结果表明,上海股市的股价波动具有明显的波动效应。收益率的条件方差序列是平稳的,GARCH模型具有可预测性。而GARCH(1,1)模型可以很好地拟合和预测上海股票价格指数。该模拟模型可以实现对该股票进行短期高精度的预测。上海指数的预测值接近实际值,说明本文所建立的GARCH模型具有一定的准确性。本文有助于规避风险,为投资者创造利润空间。
1.简介
在股票市场中,许多研究人员正在试图找到一种有效的股票指数预测方法,从而避开投资风险,抢占先机,使他们的投资利润达到最大化。 因此,对股指指数进行拟合、模拟和预测方面的研究,无论是对投资者还是学科的发展都具有重要的意义。
经过一系列的实践表明,资本市场的回报时间序列是非正常且粗尾的。 它具有波动性聚合和持久性这两种特性。 具体的情况表现为:如果股票的当期的波动很大,那它的下一期的波动也会很大。 更特殊的情况是,若当前的收益率偏离平均值时,股票的这种波动会被进一步强化或削弱。 另一种相反情况是,如果当前时期,股票的波动比较小,那么下一时期股票的波动也将比较小,除非出现当前的收益率严重偏离均值这种情况。
在有限样本情况下,模型会出现阶数过多的情况,而GARCH模型弥补了这一情况所导致的计算效率和精度不足的缺点,而且GARCH模型具有良好的粗尾处理能力。 现在,GARCH模型已经成为衡量金融市场波动性的最重要工具之一。 本文收集了2017年1月3日至2017年12月15日(233个工作日)上海综合指数的每日收盘价数据,并采用GARCH模型解决了上海综合指数的预测问题。
2. GARCH模型
2.1 ARCH模型
Engle在1980年时曾提出了一种新的随机过程模型,并将之称为自回归条件异方差模型(ARCH模型)。该模型能够敏锐地捕捉金融数据的时间特征和聚类特征这两大特征。 ARCH模型的公式如下:
(1)
(2)
独立且同分布于。
这一模型被称之为ARCH(p)模型。 p是模型的次序。
2.2 GARCH模型
Bollersle在1986年曾提出了一种改进的ARCH模型的方法,并称之为广义自回归条件异方差模型(GARCH模型)。 GARCH模型添加了异方差性本身对ARCH模型的自回归影响。 而GARCH模型可以描述大部分财务回报的时间序列。因此GARCH模型在此之后被广泛应用于股票价格波动的研究之中。 GARCH模型的公式如下:
(3)
(4)
3.数据描述和测试
3.1原始数据
本文收集了中国金融商报杂志(具体网址为:http://app.finance.china)从2017年1月3日至2017年12月15日(233个工作日)期间上海综合指数的每日收盘价数据。 (具体网址为:http://app.finance.china.cdom.cn/stock/quote/history.php?code=sh000001amp;begin_day=2017-01- 03amp;end_day=2017-12-15)。 我们决定使用收盘价对数的一阶差分来衡量此股票的收益情况。 因为计算中存在大量舍入误差,我们决定将收益乘法100从而来减少误差因为舍入误差带来的影响,从而更好地对我们的股票进行预测。如下是股票的收益公式:
(5)
是股票在t时期的收益情况,而是股票在t时期的每日收盘价格。
图1和图2
左图是收盘价格的时间序列图,右图是经过人为规定的收益计算方法而产生的收益的时间序列图。
从左图中我们可以看出,(收盘价格时间序列)是一个非平稳的时间序列。 从右图可以看出,(收益时间序列)可能是一个平稳时间序列,具体是否平稳还需要进行一定的验证与测试。
3.2平稳性测试
有关时间序列的平稳性有需要测试方法,我们此处选择使用ADF测试法。ADF测试是测试时间序列平稳性的常用单位根测试方法。它的判断法则是:具有单位根的序列是非平稳的。 如果一个时间序列是平稳时间序列数据,便会在给定置信水平的基础上拒绝原假设。 ADF的具体公式如下:
(6)
除此之外,我们还可以利用公式(4)构造ADF的检验统计量:
(7)
在上述公式中,需要说明的是是的样品标准差。
图3和图4
以上两张图是分别是和关于ADF测试的检验结果。
从左图我们可以看出,具有单位根。 按照ADF的判断法则,原始假设()被接受,因此 序列是非平稳的。 而从右图当中我们可以看出,时间序列的ADF统计绝对值(此时统计绝对值为15.98725)超过1%的临界绝对值(临界绝对值为2.574593)。 并且我们可以看到序列的p值(0.0000)小于0.05 ,拒绝原假设,因此时间序列是平稳的,因此我们可以使用GARCH模型进行进一步的研究。
3.3相关性测试
从图5的自相关图和部分自相关图中我们可以看出,自相关和部分自相关系数均落入了双估计标准偏差之中。 并且相应的p值均大于置信水平0.05。因此,在5%置信水平的情况下,时间序列的在显著水平方面上没有显著的相关性。
图5 Rt的自相关图和部分自相关图
从上图中,我们可以看出时间序列没有显著的相关性。因此我们得出了如下结论:收益序列Rt是白噪声序列。
由此我们便可建立了以下模型:
(8)
更进一步,我们可以通过减去的平均值来建立这个时间序列。
(9)
对上述公式进行说明:0.021971是的平均值。
3.4异方差检验
从图(2)我们可以看出,的分布具有聚类特征。 具体表现为,在某些时期,的波动很小,而在其他时期的波动非常大。 结果表明,时间序列具有明显的异方差性。同时我们经过ARCH测试,其结果可以反映出确实具有异方差性。在异方差检验上,我们通过建立建立Zt模型来进行异方差的检验(Zt = Wt ^ 2)。
图6 Zt的自相关图和部分自相关图
图6这张图表明此残差序列确实具有自相关性,这意味着原始假设被拒绝了。 说明样本具有明显的异方差性,还具有ARCH效应,因此我们应选用GARCH模型对股票进行拟合、预测。
4. GARCH模型预测
4.1次序的确定
在估算GARCH系数之前,有必要确定次序。 AIC信息标准和SC标准用于确定模型的顺序。 常用的GARCH模型包括:GARCH(1,1),GARCH(1,2),GARCH(2,1)。 每个模型的结果如下:
左图是GARCH(1,1)模型,中间的图是GARCH(1,2)模型,右边的图是GARCH(2,1)模型。
GARCH(2,1)模型的AIC值最小,SC值也最小,但部分GARCH(2,1)系数未通过t检验。GARCH(1,2)模型的部分系数也未通过t检验,这与GARCH(2,1)一样。所以我们将GARCH(1,1)模型作为最终的选择贝我们挑选出来。
4.2残差的检验
通过ARCH效应试验,我们测定了GARCH(1,1)模型的残余量。选择数字1、4、8、12作为滞后顺序。
四张图片分别是1阶残差检验,4阶阶残差检验,8阶残差检验,12阶残差检验.
在各种滞后值的测试下,F统计量不显著。这种结果显示说明了GARCH(1,1)模型残差不具有ARCH效应。
4.3预测
静态预测值如表所示:
表1 静态预测
数据 |
实际值 |
预测 |
差分数据 |
绝对差分数据 |
差分百分比的绝对数据 |
2017年12月18日 |
3307.17 |
3266.858 |
40.312 |
40.312 |
1.218927 |
2017年12月19日 |
3296.39 |
3268.638 |
27.752 |
27.752 |
0.841891 |
2017年12月20日 |
3275.78 |
3297.264 |
-21.484 |
21.484 |
0.655844 |
2017年12月21日 |
3306.12 |
3288.332 |
17.788 |
17.788 |
0.538032 |
2017年12月22日 |
3280.46 |
3300.785 |
-20.325 |
20.325 |
0.619578 |
2017年12月23日 |
3297.06 |
3297.784 |
-0.724 |
0.724 |
0.021959 |
2017年12月24日 |
3300.06 |
3281.181 |
18.879 |
18.879 |
0.572081 |
2017年12月25日 |
3287.61 |
3306.846 |
-19.236 |
19.236 |
0.585106 |
2017年12月26日 |
3296.54 |
3276.5 |
20.04 |
20.04 |
0.60791 |
2017年12月27日 |
3267.92 |
3297.114 |
-29.194 |
29.194 |
0.893351 |
结果表明,静态预测误差占平均误差的0.655%。考虑到上证综合指数的极限,最大误差率为10%。然而,从实际效果来看,这并不令人满意。结果表明,动态预报的静态效果不好。
动态预测值如表2所示:
表2 动态预测
数据 |
实际值 |
预测 |
差分数据 |
绝对差分数据 |
差分百分比的绝对数据 |
2017年12月18日 |
3307.17 |
3300.635 |
6.534512 |
6.534512 |
0.197586 |
2017年12月19日 |
3296.39 |
3301.361 |
-4. 剩余内容已隐藏,支付完成后下载完整资料
英语原文共 5 页,剩余内容已隐藏,支付完成后下载完整资料 资料编号:[276476],资料为PDF文档或Word文档,PDF文档可免费转换为Word |