當前位置:首頁 » 分析預測 » 基於時間序列分析的股票價格預測
擴展閱讀
indena 2024-11-24 11:51:36
以嶺葯業股票股吧 2024-11-24 11:49:12

基於時間序列分析的股票價格預測

發布時間: 2022-10-20 16:42:22

① 時間序列分析預測法優缺點

時間序列分析預測法有兩個特點:

①時間序列分析預測法是根據市場過去的變化趨勢預測未來的發展,它的前提是假定事物的過去會同樣延續到未來。事物的現實是歷史發展的結果,而事物的未來又是現實的延伸,事物的過去和未來是有聯系的。市場預測的時間序列分析法,正是根據客觀事物發展的這種連續規律性,運用過去的歷史數據,通過統計分析,進一步推測市場未來的發展趨勢。市場預測中,事物的過去會同樣延續到未來,其意思是說,市場未來不會發生突然跳躍式變化,而是漸進變化的。

時間序列分析預測法的哲學依據,是唯物辯證法中的基本觀點,即認為一切事物都是發展變化的,事物的發展變化在時間上具有連續性,市場現象也是這樣。市場現象過去和現在的發展變化規律和發展水平,會影響到市場現象未來的發展變化規律和規模水平;市場現象未來的變化規律和水平,是市場現象過去和現在變化規律和發展水平的結果。

需要指出,由於事物的發展不僅有連續性的特點,而且又是復雜多樣的。因此,在應用時間序列分析法進行市場預測時應注意市場現象未來發展變化規律和發展水平,不一定與其歷史和現在的發展變化規律完全一致。隨著市場現象的發展,它還會出現一些新的特點。因此,在時間序列分析預測中,決不能機械地按市場現象過去和現在的規律向外延伸。必須要研究分析市場現象變化的新特點,新表現,並且將這些新特點和新表現充分考慮在預測值內。這樣才能對市場現象做出既延續其歷史變化規律,又符合其現實表現的可靠的預測結果。

②時間序列分析預測法突出了時間因素在預測中的作用,暫不考慮外界具體因素的影響。時間序列在時間序列分析預測法處於核心位置,沒有時間序列,就沒有這一方法的存在。雖然,預測對象的發展變化是受很多因素影響的。但是,運用時間序列分析進行量的預測,實際上將所有的影響因素歸結到時間這一因素上,只承認所有影響因素的綜合作用,並在未來對預測對象仍然起作用,並未去分析探討預測對象和影響因素之間的因果關系。因此,為了求得能反映市場未來發展變化的精確預測值,在運用時間序列分析法進行預測時,必須將量的分析方法和質的分析方法結合起來,從質的方面充分研究各種因素與市場的關系,在充分分析研究影響市場變化的各種因素的基礎上確定預測值。

需要指出的是,時間序列預測法因突出時間序列暫不考慮外界因素影響,因而存在著預測誤差的缺陷,當遇到外界發生較大變化,往往會有較大偏差,時間序列預測法對於中短期預測的效果要比長期預測的效果好。因為客觀事物,尤其是經濟現象,在一個較長時間內發生外界因素變化的可能性加大,它們對市場經濟現象必定要產生重大影響。如果出現這種情況,進行預測時,只考慮時間因素不考慮外界因素對預測對象的影響,其預測結果就會與實際狀況嚴重不符。

② 股票的預測模型有哪些

Miller and Modigliani(1961)四個定價模式
1.凈現金流量折現法
2.投資機會折現法
3.股利折現法
4.盈餘折現法
市場實務(本益比、市價凈值比等)倍數還原法
自由現金流量法(Free Cash Flow Method)
市場效率假說
CAPM模型與APT模型等

你是指上述之評價模式嗎

③ 隨機遊走的隨機遊走模型

隨機遊走本來是「物理上布朗運動」相關的分子,還是微觀粒子的運動形成的一個模型。
現在過多的談到隨機遊走假說是數理金融中最重要的假設,它把有效市場的思想與物理學中的布朗運動聯系起來,由此而來的一整套的隨機數學方法成為構建數理金融的基石。(其研究的機理已經在股票研究中應用很廣泛) 隨機遊走模型的提出是與證券價格的變動模式緊密聯系在一起的。最早使用統計方法分析收益率的著作是在 1900年由路易·巴舍利耶(Louis Bachelier)發表的,他把用於分析賭博的方法用於股票、債券、期貨和期權。在巴舍利耶的論文中,其具有開拓性的貢獻就在於認識到隨機遊走過程是布 朗運動。1953年,英國統計學家肯德爾在應用時間序列分析研究股票價格波動並試圖得出股票價格波動的模式時,得到了一個令人大感意外的結論:股票價格沒 有任何規律可尋,它就象「一個醉漢走步一樣,幾乎宛若機會之魔每周仍出一個隨機數字,把它加在目前的價格上,以此決定下一周的價格。」即股價遵循的是隨機 遊走規律。
隨機遊走模型有兩種,其數學表達式為 :
Y t =Y t-1 +e t ①
Y t =α+Y t-1 +e t ②
式中:
Y t 是時間序列(用股票價格或股票價格的自然對數表示);
e t 是隨機項,E(e t )=0;Var(e t )=σ 2 ;
α是常數項。
模型①稱為「零漂移的隨機遊走模型」,即當天的股票價格是在前一天價格的基礎上進行隨機變動。股票價格差全部包含在隨機項 e t 中。
模型②稱為「α漂移的隨機遊走模型」,即當天的股票價格是在前一天價格的基礎上先進行一個固定的α漂移,再進行隨機變動。股票價格差包括兩部分,一部分是固定變動α,另一部分也是隨機項 e t 。
由以上隨機遊走模型可以看出,證券價格的時間序列將呈現隨機狀態,不會表現出某種可觀測或統計的確定趨勢。即證券價格的變動是不可預測的,這恰恰是隨機 遊走模型所揭示的證券價格變動 規律 的中心思想。那麼,隨機遊走模型下所確定的證券價格的這一變動模式與資本市場的效率性之間是什麼關系呢?隨機變動的證券價格,不僅不是市場非理性的證據, 而正是眾多理性的投資者開發有關信息,並對其做出反映的結果。事實上,如果證券價格的變動是可以預測的,那才真正說明市場的無效率和非理性。也就是說,若 證券市場是有效率的,證券價格應當真正符合隨機遊走模型。
t)=0,而這正是獨立隨機過程所必須的條件。然而當H≠1/2時,不管t取何值,C(t)≠0。分數布朗運動的這一特徵,導致了狀態持續性或逆狀態持續性。
當H>1/2時,存在狀態持續性,即在某一時刻t以前存在上升(或下降)趨勢隱含著在時刻t以後總體上也存在著上升(或下降)的趨勢;反之,當H<1/2 時存在逆狀態持續性,即在某一時刻t以前存在上升(或下降)趨勢隱含著在時刻t以後總體上也存在著下降(或上升)的趨勢
進一步地,應用R/S分析法,可以確定信息的兩個重要方面,Hurst指數H和平均的周期長度。周期的存在對於進一步的討論分析具有重要影響。當H≠1 /2時,概率分布不是正態分布;當1/2<H<1時,時間序列是分形。分維時間序列不同於隨機遊走,它是有偏的隨機過程,其偏離的程度取決於H大於1/2 的程度,並且隨著H逐步逼近1狀態持續性逐步增強。
值得指出的是,R/S分析法是十分有效的工具,不必假定潛在的分布是高斯分布。H=1/2並不能說明時間序列是一個高斯隨機遊走,僅表明不存在長期記憶。 如果隨機遊走不再適用,那麼許多數量分析的方法將失去效用,尤其是CAPM和以方差或波動程度度量的風險概念。
通過以上的論述,得到下列基本結論:
1.對有效市場假說,α必須始終等於2;而對分形市場分析,α可以在1到2之間變化。這是有效市場假說與分形市場分析對市場特性認識的主要區別。正是由於α的分數維性質充分反映了市場本身所具有的特性
2.分形市場分析不必依賴於獨立、正態或方差有限的假設。
3.應用R/S分析法,可以確定信息的兩個重要方面,Hurst指數H和平均的周期長度。
4.公眾對於信息以非線性方式作出反應,因而有偏的隨機遊走是市場的常態,表現為分數布朗運動。
5.對於隨機遊走的偏離程度取決於指數H。
本文從對EMH的產生及其發展討論出發,從分形的角度探討市場特性的分形市場分析方法及其所反映的市場特性,推廣了資本市場理論,認為市場是分形的,服 從分數布朗運動,即有偏的隨機遊走,其研究方法可以採用R/S分析法。公眾對於信息以非線性的方式作出反應,因而呈現出對信息的不一致性消化、吸收,導致 對隨機遊走的偏離,並表現為市場的常態。

④ 價格預測模型

價格預測的方法主要有:
(1)回歸分析法。價格預測要達到一定準確度,往往需要在一系列歷史數據的基礎上,充分考慮影響價格的相關因素,採用因果分析方法,建立實用的數學模型進行回歸分析。採用這種方法,需要佔有充分的歷史數據和價格影響因素資料,再加上預測人員良好的分析能力,才能得到比較理想的效果。

(2)比價法。價格預測中可以採用比回價法,其原理是在市場經濟條件下,根據利益均衡原則,利用產成品價格與原材料價格、半成品價格之間,以及不同產品之間往往存在的一定比價關系進行預測。採用這種方法,需要大量數據資料的積累,還需注意剔除非正常因素的影響。
(3)城市基礎設施和服務的價格不完全取決於市場,也有的直接由政答府定價,應根據政府的價格政策,消費者的支付意願和承受能力進行預測。

銷售預測的方法主要有定性預測、定量預測方法兩大類。
定性預測方法分為高級經理意見法、銷售人員意見法、購買者期望法和德爾菲法。高級經理意見法依據銷售經理經驗直覺求出銷售預測值;銷售人員意見法是利用銷售人員對未來銷售進行預測。購買者期望法是關注顧客未來購買意向情況;德爾菲法是以不記名方式根據專家意見作出銷售預測。
定量預測方法分為時間序列分析法、回歸分析法。時間序列分析法將經濟發展、購買力、銷售變化等同一變數的一組觀察值,按時間順序排列構成時間序列,運用一定的數字方法預計市場末來的發展變化趨勢,確定市場預測值。回歸分析法是運用各種事物之間存在的直接或間接因果關系預測。



(4)基於時間序列分析的股票價格預測擴展閱讀:
銷售預測的作用
1、通過銷售預測,可以調動銷售人員的積極性,促使產品盡早實現銷售,以完成使用價值向價值的轉變。
2、企業可以以銷定產,根據銷售預測資料,安排生產,避免產品積壓。
3、能合理有效管理產品庫存,經過預測可對產品設立庫存預警,對生產進度的安排具有指導意義。
4、經過銷售預測後,可對產品的補貨安排進行提供參考數據。

⑤ 時間序列預測法的步驟有哪些

時間序列預測法的有以下幾個步驟。

第一步,收集歷史資料,加以整理,編成時間序列,並根據時間序列繪成統計圖。時間序列分析通常是把各種可能發生作用的因素進行分類,傳統的分類方法是按各種因素的特點或影響效果進行分類:

①長期趨勢;

②季節變動;

③循環變動;

④不規則變動。

第二步,分析時間序列。

時間序列中的每一時期的數值都是由許許多多不同的因素同時發生作用後的綜合結果。

第三步,求時間序列的長期趨勢(T)、季節變動(S)和不規則變動(I)的值,並選定近似的數學模式來代表它們。對於數學模式中的諸未知參數,使用合適的技術方法求出其值。

第四步,利用時間序列資料求出長期趨勢、季節變動和不規則變動的數學模型後,就可以利用它來預測未來的長期趨勢值T和季節變動值S,在可能的情況下預測不規則變動值I。然後用以下模式計算出未來的時間序列的預測值Y。

加法模式:T+S+I=Y乘法模式:T乘以S乘以I=Y

如果不規則變動的預測值難以求得,就只求長期趨勢和季節變動的預測值,以兩者相乘之積或相加之和為時間序列的預測值。如果經濟現象本身沒有季節變動或不需預測分季分月的資料,則長期趨勢的預測值就是時間序列的預測值,即T=Y。但要注意這個預測值只反映現象未來的發展趨勢,即使很准確的趨勢線在按時間順序的觀察方面所起的作用本質上也只是一個平均數的作用,實際值將圍繞著它上下波動。

⑥ 什麼時候用回歸分析,什麼時候用時間序列

方法不同。回歸分析是研究變數之間的統計相關關系的一種統計方法。它從自變數和因變數的一組觀測數據出發,尋找一個函數式,將變數之間的統計相關關系近似地表達出來。這個能夠近似表達自變數與因變數之間關系的函數式。而時間序列更加偏向去有明顯的以時間為分割點,某個變數隨著時間的推移產生變化。近似於自變數與時間之間的關系。

⑦ 非平穩時間序列可以預測股票走勢

一般把非平穩時間序列轉化為平穩時間序列的方法是取n階差分法。

比如舉個例子,假設xt本身是不平穩的時間序列,如果xt~I(1) ,也就是說x的1階差分是平穩序列。
那麼 xt的1階差分dxt=x(t)-x(t-1) 就是平穩的序列 這時dt=x(t-1)

如果xt~I(2),就是說xt的2階差分是平穩序列的話
xt的1n階差分dxt=x(t)-x(t-1) 這時xt的1階差分依然不平穩,
那麼 對xt的1階差分再次差分後,
xt的2階差分ddxt=dxt-dxt(t-1)便是平穩序列 這時dt=-x(t-1)-dxt(t-1)

n階的話可以依次類推一下。

⑧ 時間序列預測方法有哪些分類,分別適合使用的情況是

時間序列預測方法根據對資料分析方法的不同,可分為:簡單序時平均數法、加權序時平均數法、移動平均法、加權移動平均法、趨勢預測法、指數平滑法、季節性趨勢預測法、市場壽命周期預測法等。

1、簡單序時平均數法只能適用於事物變化不大的趨勢預測。如果事物呈現某種上升或下降的趨勢,就不宜採用此法。

2、加權序時平均數法就是把各個時期的歷史數據按近期和遠期影響程度進行加權,求出平均值,作為下期預測值。

3、簡單移動平均法適用於近期期預測。當產品需求既不快速增長也不快速下降,且不存在季節性因素時,移動平均法能有效地消除預測中的隨機波動。

4、加權移動平均法即將簡單移動平均數進行加權計算。在確定權數時,近期觀察值的權數應該大些,遠期觀察值的權數應該小些。

5、指數平滑法即根用於中短期經濟發展趨勢預測,所有預測方法中,指數平滑是用得最多的一種。

6、季節趨勢預測法根據經濟事物每年重復出現的周期性季節變動指數,預測其季節性變動趨勢。

7、市場壽命周期預測法,適用於對耐用消費品的預測。這種方法簡單、直觀、易於掌握。

(8)基於時間序列分析的股票價格預測擴展閱讀:

時間序列預測法的特徵

1、時間序列分析法是根據過去的變化趨勢預測未來的發展,前提是假定事物的過去延續到未來。運用過去的歷史數據,通過統計分析,進一步推測未來的發展趨勢。不會發生突然的跳躍變化,是以相對小的步伐前進;過去和當前的現象,可能表明現在和將來活動的發展變化趨向。

2.時間序列數據變動存在著規律性與不規律性

時間序列中的每個觀察值大小,是影響變化的各種不同因素在同一時刻發生作用的綜合結果。從這些影響因素發生作用的大小和方向變化的時間特性來看,這些因素造成的時間序列數據的變動分為四種類型:趨勢性、周期性、隨機性、綜合性。