基于ARMA模型對澄星股份股票價格的預測

陳筱

摘 要：股票價格的變動受很多不確定因素的影響，并且各因素間有著非常復雜的關系， 因此要從理論上徹底弄清楚股市的變化機理十分困難。然而股市是一個動態的、特殊的系統，它必然存在著規律。本文以“澄星股份”為例，利用EVIEWS 軟件對其股票價格建立ARMA 模型， 提出了股票價格序列的一步動態預測方法，用于股票價格序列的建模及股價短期預測，以期為企業和投資者在進行相關決策時提供有益的參考。

關鍵詞：股票價格；ARMA模型；EVIEWS

時間序列是隨時間改變而隨機地變化的序列。時間序列分析的目的是找出它的變化規律，即線性模型，主要有三種： AR 模型（自回歸模型） 、MA模型（滑動平均模型）和ARMA模型（自回歸滑動平均模型或混合模型）。時間序列在證券市場、工程中常做預測。例如在股票市場中，根據股票指數的歷史數據，可以預測未來短期內的股票指數走勢，便于投資者做出理性的投資決策。

一、ARMA模型

二、對澄星股份股票價格ARMA預測

（一）數據的選取和來源

（二）模型的選擇和參數估計

（三）模型的預測

下面利用該模型對股票價格進行預測，由于股票的價格變動比較大，因此在短期內進行預測可以得到比較好的結果，但是長期預測的效果會有較大的誤差。

對于含有滯后因變量的預測， EViews 提供了兩種方法：動態預測和靜態預測。動態預測是預測樣本的初始值將使用滯后變量P 的實際值， 而在隨后的預測中將使用P的預測值， 因此預測樣本初值的選擇非常重要。動態預測是真正的多步預測（ 從第一個預測樣本開始） ， 因為它們重復使用滯后因變量的預測值。這些預測可能被解釋為利用預測樣本開始時的已知信息計算的隨后各期的預測值。也因為這個原因， 當新的預測值出現時， 它并不能進行適時修正預測。而靜態預測是采用滯后因變量的實際值而不是預測值來計算一步向前的結果。

對于實際操作來講， 預測樣本外股票價格更為重要。通過eviews工作文件擴大樣本范圍，首先獲得2013年2月28日股票價格的一步靜態預測值為8.48，而實際價格為8.69，前一交易日價格為8.46，成功預測到股票上漲。進一步采用預測數據逐步替代獲取12天樣本外股票價格靜態預測數據，整理到excel與實際的價格進行比較，下圖顯示了該模型對樣本外12天股票價格的預測結果，在整體趨勢上擬合的效果還是比較好的。

三、結論

通過上述擬和預測， ARMA 模型在描述股票市場價格波動特征方面有一定借鑒性，擬和預測的結果在一定程度上可以代表股票價格的走勢。但它只在短期趨勢預測方面有一定可行

性， 對于長期趨勢以及突然上漲或下跌，就會表現出局限性。預測的偏差就會比較大， 因為變幻莫測的股票市場， 影響其價格波動的因素多種多樣。從股票市場內部因素來看受到股票的供求關系影響。股票的價格與市場無不有關系。也就是說，當供給大于需求時，股票價格上漲，當供給小于需求時，股票下跌；從公司內部因素來看，受到以下幾方面的影響：（1）公司的經營狀況和盈利能力。這是影響股票價格最重要的基本因素。當公司的經營狀況好，盈利能力強，股票價格的基礎扎實，大家認為此時的股票很穩定，上漲的機會多，反之，其股票價格難以提高，下跌的機會多。（2）上市公司的財務狀況。發行公司的財務狀況亦是影響股價的重要原因甚至是直接原因。依照各國法規，凡能反映公司的財務狀況的重要指標都必須公開，上市公司的財務狀況還需定期向社會公開。此外還受到經濟周期、物價水平，政治因素等方面的影響。在面對各種不確定性的情況下，找到一種合理的模型對其進行預測，指導投資決策就先得尤為重要，具有一定的實用價值。

參考文獻：

[1] 張成思.金融計量學-時間序列分析視角.[M].中國人民大學出版社：2012.1，120-172；

[2] 何劍.計量經濟學實驗和Eviews實用.[M].中國統計出版社：2010.4，22-32；

[3]劉紅梅.ARIMA模型在股票價格預測中的應用.[J].廣西輕工業：2008.（6）；

[4]趙亮.股票價格影響因素研究[J].天津師范大學學報， 2004，（2）；

[5]馮盼、曹顯兵.基于ARMA模型的股價分析與預測的實證研究.[J].數學的實踐與認識：2011年22期；

[6]邵麗娜.基于ARMA模型對招商銀行股票價格的預測[J].農村經濟與科技.2007年12期.endprint

摘 要：股票價格的變動受很多不確定因素的影響，并且各因素間有著非常復雜的關系， 因此要從理論上徹底弄清楚股市的變化機理十分困難。然而股市是一個動態的、特殊的系統，它必然存在著規律。本文以“澄星股份”為例，利用EVIEWS 軟件對其股票價格建立ARMA 模型， 提出了股票價格序列的一步動態預測方法，用于股票價格序列的建模及股價短期預測，以期為企業和投資者在進行相關決策時提供有益的參考。

關鍵詞：股票價格；ARMA模型；EVIEWS

時間序列是隨時間改變而隨機地變化的序列。時間序列分析的目的是找出它的變化規律，即線性模型，主要有三種： AR 模型（自回歸模型） 、MA模型（滑動平均模型）和ARMA模型（自回歸滑動平均模型或混合模型）。時間序列在證券市場、工程中常做預測。例如在股票市場中，根據股票指數的歷史數據，可以預測未來短期內的股票指數走勢，便于投資者做出理性的投資決策。

一、ARMA模型

二、對澄星股份股票價格ARMA預測

（一）數據的選取和來源

（二）模型的選擇和參數估計

（三）模型的預測

下面利用該模型對股票價格進行預測，由于股票的價格變動比較大，因此在短期內進行預測可以得到比較好的結果，但是長期預測的效果會有較大的誤差。

對于含有滯后因變量的預測， EViews 提供了兩種方法：動態預測和靜態預測。動態預測是預測樣本的初始值將使用滯后變量P 的實際值， 而在隨后的預測中將使用P的預測值， 因此預測樣本初值的選擇非常重要。動態預測是真正的多步預測（ 從第一個預測樣本開始） ， 因為它們重復使用滯后因變量的預測值。這些預測可能被解釋為利用預測樣本開始時的已知信息計算的隨后各期的預測值。也因為這個原因， 當新的預測值出現時， 它并不能進行適時修正預測。而靜態預測是采用滯后因變量的實際值而不是預測值來計算一步向前的結果。

對于實際操作來講， 預測樣本外股票價格更為重要。通過eviews工作文件擴大樣本范圍，首先獲得2013年2月28日股票價格的一步靜態預測值為8.48，而實際價格為8.69，前一交易日價格為8.46，成功預測到股票上漲。進一步采用預測數據逐步替代獲取12天樣本外股票價格靜態預測數據，整理到excel與實際的價格進行比較，下圖顯示了該模型對樣本外12天股票價格的預測結果，在整體趨勢上擬合的效果還是比較好的。

三、結論

通過上述擬和預測， ARMA 模型在描述股票市場價格波動特征方面有一定借鑒性，擬和預測的結果在一定程度上可以代表股票價格的走勢。但它只在短期趨勢預測方面有一定可行

性， 對于長期趨勢以及突然上漲或下跌，就會表現出局限性。預測的偏差就會比較大， 因為變幻莫測的股票市場， 影響其價格波動的因素多種多樣。從股票市場內部因素來看受到股票的供求關系影響。股票的價格與市場無不有關系。也就是說，當供給大于需求時，股票價格上漲，當供給小于需求時，股票下跌；從公司內部因素來看，受到以下幾方面的影響：（1）公司的經營狀況和盈利能力。這是影響股票價格最重要的基本因素。當公司的經營狀況好，盈利能力強，股票價格的基礎扎實，大家認為此時的股票很穩定，上漲的機會多，反之，其股票價格難以提高，下跌的機會多。（2）上市公司的財務狀況。發行公司的財務狀況亦是影響股價的重要原因甚至是直接原因。依照各國法規，凡能反映公司的財務狀況的重要指標都必須公開，上市公司的財務狀況還需定期向社會公開。此外還受到經濟周期、物價水平，政治因素等方面的影響。在面對各種不確定性的情況下，找到一種合理的模型對其進行預測，指導投資決策就先得尤為重要，具有一定的實用價值。

參考文獻：

[1] 張成思.金融計量學-時間序列分析視角.[M].中國人民大學出版社：2012.1，120-172；

[2] 何劍.計量經濟學實驗和Eviews實用.[M].中國統計出版社：2010.4，22-32；

[3]劉紅梅.ARIMA模型在股票價格預測中的應用.[J].廣西輕工業：2008.（6）；

[4]趙亮.股票價格影響因素研究[J].天津師范大學學報， 2004，（2）；

[5]馮盼、曹顯兵.基于ARMA模型的股價分析與預測的實證研究.[J].數學的實踐與認識：2011年22期；

[6]邵麗娜.基于ARMA模型對招商銀行股票價格的預測[J].農村經濟與科技.2007年12期.endprint

摘 要：股票價格的變動受很多不確定因素的影響，并且各因素間有著非常復雜的關系， 因此要從理論上徹底弄清楚股市的變化機理十分困難。然而股市是一個動態的、特殊的系統，它必然存在著規律。本文以“澄星股份”為例，利用EVIEWS 軟件對其股票價格建立ARMA 模型， 提出了股票價格序列的一步動態預測方法，用于股票價格序列的建模及股價短期預測，以期為企業和投資者在進行相關決策時提供有益的參考。

關鍵詞：股票價格；ARMA模型；EVIEWS

時間序列是隨時間改變而隨機地變化的序列。時間序列分析的目的是找出它的變化規律，即線性模型，主要有三種： AR 模型（自回歸模型） 、MA模型（滑動平均模型）和ARMA模型（自回歸滑動平均模型或混合模型）。時間序列在證券市場、工程中常做預測。例如在股票市場中，根據股票指數的歷史數據，可以預測未來短期內的股票指數走勢，便于投資者做出理性的投資決策。

一、ARMA模型

二、對澄星股份股票價格ARMA預測

（一）數據的選取和來源

（二）模型的選擇和參數估計

（三）模型的預測

下面利用該模型對股票價格進行預測，由于股票的價格變動比較大，因此在短期內進行預測可以得到比較好的結果，但是長期預測的效果會有較大的誤差。

對于含有滯后因變量的預測， EViews 提供了兩種方法：動態預測和靜態預測。動態預測是預測樣本的初始值將使用滯后變量P 的實際值， 而在隨后的預測中將使用P的預測值， 因此預測樣本初值的選擇非常重要。動態預測是真正的多步預測（ 從第一個預測樣本開始） ， 因為它們重復使用滯后因變量的預測值。這些預測可能被解釋為利用預測樣本開始時的已知信息計算的隨后各期的預測值。也因為這個原因， 當新的預測值出現時， 它并不能進行適時修正預測。而靜態預測是采用滯后因變量的實際值而不是預測值來計算一步向前的結果。

對于實際操作來講， 預測樣本外股票價格更為重要。通過eviews工作文件擴大樣本范圍，首先獲得2013年2月28日股票價格的一步靜態預測值為8.48，而實際價格為8.69，前一交易日價格為8.46，成功預測到股票上漲。進一步采用預測數據逐步替代獲取12天樣本外股票價格靜態預測數據，整理到excel與實際的價格進行比較，下圖顯示了該模型對樣本外12天股票價格的預測結果，在整體趨勢上擬合的效果還是比較好的。

三、結論

通過上述擬和預測， ARMA 模型在描述股票市場價格波動特征方面有一定借鑒性，擬和預測的結果在一定程度上可以代表股票價格的走勢。但它只在短期趨勢預測方面有一定可行

性， 對于長期趨勢以及突然上漲或下跌，就會表現出局限性。預測的偏差就會比較大， 因為變幻莫測的股票市場， 影響其價格波動的因素多種多樣。從股票市場內部因素來看受到股票的供求關系影響。股票的價格與市場無不有關系。也就是說，當供給大于需求時，股票價格上漲，當供給小于需求時，股票下跌；從公司內部因素來看，受到以下幾方面的影響：（1）公司的經營狀況和盈利能力。這是影響股票價格最重要的基本因素。當公司的經營狀況好，盈利能力強，股票價格的基礎扎實，大家認為此時的股票很穩定，上漲的機會多，反之，其股票價格難以提高，下跌的機會多。（2）上市公司的財務狀況。發行公司的財務狀況亦是影響股價的重要原因甚至是直接原因。依照各國法規，凡能反映公司的財務狀況的重要指標都必須公開，上市公司的財務狀況還需定期向社會公開。此外還受到經濟周期、物價水平，政治因素等方面的影響。在面對各種不確定性的情況下，找到一種合理的模型對其進行預測，指導投資決策就先得尤為重要，具有一定的實用價值。

參考文獻：

[1] 張成思.金融計量學-時間序列分析視角.[M].中國人民大學出版社：2012.1，120-172；

[2] 何劍.計量經濟學實驗和Eviews實用.[M].中國統計出版社：2010.4，22-32；

[3]劉紅梅.ARIMA模型在股票價格預測中的應用.[J].廣西輕工業：2008.（6）；

[4]趙亮.股票價格影響因素研究[J].天津師范大學學報， 2004，（2）；

[5]馮盼、曹顯兵.基于ARMA模型的股價分析與預測的實證研究.[J].數學的實踐與認識：2011年22期；

[6]邵麗娜.基于ARMA模型對招商銀行股票價格的預測[J].農村經濟與科技.2007年12期.endprint