基于EMD和ARMA模型的上證指數預測①

吳振宇 喻敏 金吉 姜楠

摘 要：針對上證指數具有非線性、非平穩性的特點，研究了一種基于經驗模態分解（EMD）和自回歸滑動平均模型（ARMA）的預測方法。首先利用EMD對上證指數數據進行平穩化處理，使上證指數數據更有規律性，改善上證指數數據的非線性、非平穩性特性，然后利用ARMA模型對分解后的數據建模預測。研究結果表明：和直接利用ARMA模型進行預測所得的結果相比，本文所提的方法預測精度更高。

關鍵詞：經驗模態分解（EMD） 自回歸滑動平均模型（ARMA） 上證指數 預測

中圖分類號：F832.51 文獻標識碼：A 文章編號：2096-0298（2018）06（a）-033-03

股市一直以來受諸多因素的影響，導致股市變化莫測，股票具有高風險、高回報的特點，有效的股市上證指數預測研究是降低風險，提高獲利的關鍵[1～2]。目前常用的股票預測研究方法包括：支持向量機法[3～4]、卡爾曼濾波法[5]、神經網絡方法[6～7]等。卡爾曼濾波法是將股票數據作為狀態變量建立狀態空間模型，該方法更加適用于對股票數據的在線預測，但難以估計噪聲的統計特性。支持向量機在處理小樣本方面有較大優勢，但一些參數的選擇將直接決定預測的精度，目前支持向量機仍然缺乏公認有效的參數選擇方法。神經網絡法具有較強的泛化能力，但神經網絡法容易在局部最小點出現錯誤，從而導致產生的預測結果不夠穩定。由于ARMA模型在建模時能將影響股票的因素綜合起來[8]，本文選取ARMA模型來預測上證指數，由于ARMA模型用于處理平穩序列，針對上證指數數據具有非線性、非平穩性的特點，需要先對其進行平穩化處理。……