当前位置:首页 » 分析预测 » 基于时间序列分析的股票价格预测
扩展阅读
金水桥图片 2024-11-02 16:35:25
最准的股票软件 2024-11-02 16:08:52

基于时间序列分析的股票价格预测

发布时间: 2022-10-20 16:42:22

① 时间序列分析预测法优缺点

时间序列分析预测法有两个特点:

①时间序列分析预测法是根据市场过去的变化趋势预测未来的发展,它的前提是假定事物的过去会同样延续到未来。事物的现实是历史发展的结果,而事物的未来又是现实的延伸,事物的过去和未来是有联系的。市场预测的时间序列分析法,正是根据客观事物发展的这种连续规律性,运用过去的历史数据,通过统计分析,进一步推测市场未来的发展趋势。市场预测中,事物的过去会同样延续到未来,其意思是说,市场未来不会发生突然跳跃式变化,而是渐进变化的。

时间序列分析预测法的哲学依据,是唯物辩证法中的基本观点,即认为一切事物都是发展变化的,事物的发展变化在时间上具有连续性,市场现象也是这样。市场现象过去和现在的发展变化规律和发展水平,会影响到市场现象未来的发展变化规律和规模水平;市场现象未来的变化规律和水平,是市场现象过去和现在变化规律和发展水平的结果。

需要指出,由于事物的发展不仅有连续性的特点,而且又是复杂多样的。因此,在应用时间序列分析法进行市场预测时应注意市场现象未来发展变化规律和发展水平,不一定与其历史和现在的发展变化规律完全一致。随着市场现象的发展,它还会出现一些新的特点。因此,在时间序列分析预测中,决不能机械地按市场现象过去和现在的规律向外延伸。必须要研究分析市场现象变化的新特点,新表现,并且将这些新特点和新表现充分考虑在预测值内。这样才能对市场现象做出既延续其历史变化规律,又符合其现实表现的可靠的预测结果。

②时间序列分析预测法突出了时间因素在预测中的作用,暂不考虑外界具体因素的影响。时间序列在时间序列分析预测法处于核心位置,没有时间序列,就没有这一方法的存在。虽然,预测对象的发展变化是受很多因素影响的。但是,运用时间序列分析进行量的预测,实际上将所有的影响因素归结到时间这一因素上,只承认所有影响因素的综合作用,并在未来对预测对象仍然起作用,并未去分析探讨预测对象和影响因素之间的因果关系。因此,为了求得能反映市场未来发展变化的精确预测值,在运用时间序列分析法进行预测时,必须将量的分析方法和质的分析方法结合起来,从质的方面充分研究各种因素与市场的关系,在充分分析研究影响市场变化的各种因素的基础上确定预测值。

需要指出的是,时间序列预测法因突出时间序列暂不考虑外界因素影响,因而存在着预测误差的缺陷,当遇到外界发生较大变化,往往会有较大偏差,时间序列预测法对于中短期预测的效果要比长期预测的效果好。因为客观事物,尤其是经济现象,在一个较长时间内发生外界因素变化的可能性加大,它们对市场经济现象必定要产生重大影响。如果出现这种情况,进行预测时,只考虑时间因素不考虑外界因素对预测对象的影响,其预测结果就会与实际状况严重不符。

② 股票的预测模型有哪些

Miller and Modigliani(1961)四个定价模式
1.净现金流量折现法
2.投资机会折现法
3.股利折现法
4.盈余折现法
市场实务(本益比、市价净值比等)倍数还原法
自由现金流量法(Free Cash Flow Method)
市场效率假说
CAPM模型与APT模型等

你是指上述之评价模式吗

③ 随机游走的随机游走模型

随机游走本来是“物理上布朗运动”相关的分子,还是微观粒子的运动形成的一个模型。
现在过多的谈到随机游走假说是数理金融中最重要的假设,它把有效市场的思想与物理学中的布朗运动联系起来,由此而来的一整套的随机数学方法成为构建数理金融的基石。(其研究的机理已经在股票研究中应用很广泛) 随机游走模型的提出是与证券价格的变动模式紧密联系在一起的。最早使用统计方法分析收益率的著作是在 1900年由路易·巴舍利耶(Louis Bachelier)发表的,他把用于分析赌博的方法用于股票、债券、期货和期权。在巴舍利耶的论文中,其具有开拓性的贡献就在于认识到随机游走过程是布 朗运动。1953年,英国统计学家肯德尔在应用时间序列分析研究股票价格波动并试图得出股票价格波动的模式时,得到了一个令人大感意外的结论:股票价格没 有任何规律可寻,它就象“一个醉汉走步一样,几乎宛若机会之魔每周仍出一个随机数字,把它加在目前的价格上,以此决定下一周的价格。”即股价遵循的是随机 游走规律。
随机游走模型有两种,其数学表达式为 :
Y t =Y t-1 +e t ①
Y t =α+Y t-1 +e t ②
式中:
Y t 是时间序列(用股票价格或股票价格的自然对数表示);
e t 是随机项,E(e t )=0;Var(e t )=σ 2 ;
α是常数项。
模型①称为“零漂移的随机游走模型”,即当天的股票价格是在前一天价格的基础上进行随机变动。股票价格差全部包含在随机项 e t 中。
模型②称为“α漂移的随机游走模型”,即当天的股票价格是在前一天价格的基础上先进行一个固定的α漂移,再进行随机变动。股票价格差包括两部分,一部分是固定变动α,另一部分也是随机项 e t 。
由以上随机游走模型可以看出,证券价格的时间序列将呈现随机状态,不会表现出某种可观测或统计的确定趋势。即证券价格的变动是不可预测的,这恰恰是随机 游走模型所揭示的证券价格变动 规律 的中心思想。那么,随机游走模型下所确定的证券价格的这一变动模式与资本市场的效率性之间是什么关系呢?随机变动的证券价格,不仅不是市场非理性的证据, 而正是众多理性的投资者开发有关信息,并对其做出反映的结果。事实上,如果证券价格的变动是可以预测的,那才真正说明市场的无效率和非理性。也就是说,若 证券市场是有效率的,证券价格应当真正符合随机游走模型。
t)=0,而这正是独立随机过程所必须的条件。然而当H≠1/2时,不管t取何值,C(t)≠0。分数布朗运动的这一特征,导致了状态持续性或逆状态持续性。
当H>1/2时,存在状态持续性,即在某一时刻t以前存在上升(或下降)趋势隐含着在时刻t以后总体上也存在着上升(或下降)的趋势;反之,当H<1/2 时存在逆状态持续性,即在某一时刻t以前存在上升(或下降)趋势隐含着在时刻t以后总体上也存在着下降(或上升)的趋势
进一步地,应用R/S分析法,可以确定信息的两个重要方面,Hurst指数H和平均的周期长度。周期的存在对于进一步的讨论分析具有重要影响。当H≠1 /2时,概率分布不是正态分布;当1/2<H<1时,时间序列是分形。分维时间序列不同于随机游走,它是有偏的随机过程,其偏离的程度取决于H大于1/2 的程度,并且随着H逐步逼近1状态持续性逐步增强。
值得指出的是,R/S分析法是十分有效的工具,不必假定潜在的分布是高斯分布。H=1/2并不能说明时间序列是一个高斯随机游走,仅表明不存在长期记忆。 如果随机游走不再适用,那么许多数量分析的方法将失去效用,尤其是CAPM和以方差或波动程度度量的风险概念。
通过以上的论述,得到下列基本结论:
1.对有效市场假说,α必须始终等于2;而对分形市场分析,α可以在1到2之间变化。这是有效市场假说与分形市场分析对市场特性认识的主要区别。正是由于α的分数维性质充分反映了市场本身所具有的特性
2.分形市场分析不必依赖于独立、正态或方差有限的假设。
3.应用R/S分析法,可以确定信息的两个重要方面,Hurst指数H和平均的周期长度。
4.公众对于信息以非线性方式作出反应,因而有偏的随机游走是市场的常态,表现为分数布朗运动。
5.对于随机游走的偏离程度取决于指数H。
本文从对EMH的产生及其发展讨论出发,从分形的角度探讨市场特性的分形市场分析方法及其所反映的市场特性,推广了资本市场理论,认为市场是分形的,服 从分数布朗运动,即有偏的随机游走,其研究方法可以采用R/S分析法。公众对于信息以非线性的方式作出反应,因而呈现出对信息的不一致性消化、吸收,导致 对随机游走的偏离,并表现为市场的常态。

④ 价格预测模型

价格预测的方法主要有:
(1)回归分析法。价格预测要达到一定准确度,往往需要在一系列历史数据的基础上,充分考虑影响价格的相关因素,采用因果分析方法,建立实用的数学模型进行回归分析。采用这种方法,需要占有充分的历史数据和价格影响因素资料,再加上预测人员良好的分析能力,才能得到比较理想的效果。

(2)比价法。价格预测中可以采用比回价法,其原理是在市场经济条件下,根据利益均衡原则,利用产成品价格与原材料价格、半成品价格之间,以及不同产品之间往往存在的一定比价关系进行预测。采用这种方法,需要大量数据资料的积累,还需注意剔除非正常因素的影响。
(3)城市基础设施和服务的价格不完全取决于市场,也有的直接由政答府定价,应根据政府的价格政策,消费者的支付意愿和承受能力进行预测。

销售预测的方法主要有定性预测、定量预测方法两大类。
定性预测方法分为高级经理意见法、销售人员意见法、购买者期望法和德尔菲法。高级经理意见法依据销售经理经验直觉求出销售预测值;销售人员意见法是利用销售人员对未来销售进行预测。购买者期望法是关注顾客未来购买意向情况;德尔菲法是以不记名方式根据专家意见作出销售预测。
定量预测方法分为时间序列分析法、回归分析法。时间序列分析法将经济发展、购买力、销售变化等同一变数的一组观察值,按时间顺序排列构成时间序列,运用一定的数字方法预计市场末来的发展变化趋势,确定市场预测值。回归分析法是运用各种事物之间存在的直接或间接因果关系预测。



(4)基于时间序列分析的股票价格预测扩展阅读:
销售预测的作用
1、通过销售预测,可以调动销售人员的积极性,促使产品尽早实现销售,以完成使用价值向价值的转变。
2、企业可以以销定产,根据销售预测资料,安排生产,避免产品积压。
3、能合理有效管理产品库存,经过预测可对产品设立库存预警,对生产进度的安排具有指导意义。
4、经过销售预测后,可对产品的补货安排进行提供参考数据。

⑤ 时间序列预测法的步骤有哪些

时间序列预测法的有以下几个步骤。

第一步,收集历史资料,加以整理,编成时间序列,并根据时间序列绘成统计图。时间序列分析通常是把各种可能发生作用的因素进行分类,传统的分类方法是按各种因素的特点或影响效果进行分类:

①长期趋势;

②季节变动;

③循环变动;

④不规则变动。

第二步,分析时间序列。

时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。

第三步,求时间序列的长期趋势(T)、季节变动(S)和不规则变动(I)的值,并选定近似的数学模式来代表它们。对于数学模式中的诸未知参数,使用合适的技术方法求出其值。

第四步,利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后,就可以利用它来预测未来的长期趋势值T和季节变动值S,在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y。

加法模式:T+S+I=Y乘法模式:T乘以S乘以I=Y

如果不规则变动的预测值难以求得,就只求长期趋势和季节变动的预测值,以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料,则长期趋势的预测值就是时间序列的预测值,即T=Y。但要注意这个预测值只反映现象未来的发展趋势,即使很准确的趋势线在按时间顺序的观察方面所起的作用本质上也只是一个平均数的作用,实际值将围绕着它上下波动。

⑥ 什么时候用回归分析,什么时候用时间序列

方法不同。回归分析是研究变量之间的统计相关关系的一种统计方法。它从自变量和因变量的一组观测数据出发,寻找一个函数式,将变量之间的统计相关关系近似地表达出来。这个能够近似表达自变量与因变量之间关系的函数式。而时间序列更加偏向去有明显的以时间为分割点,某个变量随着时间的推移产生变化。近似于自变量与时间之间的关系。

⑦ 非平稳时间序列可以预测股票走势

一般把非平稳时间序列转化为平稳时间序列的方法是取n阶差分法。

比如举个例子,假设xt本身是不平稳的时间序列,如果xt~I(1) ,也就是说x的1阶差分是平稳序列。
那么 xt的1阶差分dxt=x(t)-x(t-1) 就是平稳的序列 这时dt=x(t-1)

如果xt~I(2),就是说xt的2阶差分是平稳序列的话
xt的1n阶差分dxt=x(t)-x(t-1) 这时xt的1阶差分依然不平稳,
那么 对xt的1阶差分再次差分后,
xt的2阶差分ddxt=dxt-dxt(t-1)便是平稳序列 这时dt=-x(t-1)-dxt(t-1)

n阶的话可以依次类推一下。

⑧ 时间序列预测方法有哪些分类,分别适合使用的情况是

时间序列预测方法根据对资料分析方法的不同,可分为:简单序时平均数法、加权序时平均数法、移动平均法、加权移动平均法、趋势预测法、指数平滑法、季节性趋势预测法、市场寿命周期预测法等。

1、简单序时平均数法只能适用于事物变化不大的趋势预测。如果事物呈现某种上升或下降的趋势,就不宜采用此法。

2、加权序时平均数法就是把各个时期的历史数据按近期和远期影响程度进行加权,求出平均值,作为下期预测值。

3、简单移动平均法适用于近期期预测。当产品需求既不快速增长也不快速下降,且不存在季节性因素时,移动平均法能有效地消除预测中的随机波动。

4、加权移动平均法即将简单移动平均数进行加权计算。在确定权数时,近期观察值的权数应该大些,远期观察值的权数应该小些。

5、指数平滑法即根用于中短期经济发展趋势预测,所有预测方法中,指数平滑是用得最多的一种。

6、季节趋势预测法根据经济事物每年重复出现的周期性季节变动指数,预测其季节性变动趋势。

7、市场寿命周期预测法,适用于对耐用消费品的预测。这种方法简单、直观、易于掌握。

(8)基于时间序列分析的股票价格预测扩展阅读:

时间序列预测法的特征

1、时间序列分析法是根据过去的变化趋势预测未来的发展,前提是假定事物的过去延续到未来。运用过去的历史数据,通过统计分析,进一步推测未来的发展趋势。不会发生突然的跳跃变化,是以相对小的步伐前进;过去和当前的现象,可能表明现在和将来活动的发展变化趋向。

2.时间序列数据变动存在着规律性与不规律性

时间序列中的每个观察值大小,是影响变化的各种不同因素在同一时刻发生作用的综合结果。从这些影响因素发生作用的大小和方向变化的时间特性来看,这些因素造成的时间序列数据的变动分为四种类型:趋势性、周期性、随机性、综合性。