时间序列模型在股票预测方面的应用pdf

时间序列模型在股票预测方面的应用

摘要

股票市场作为国民经济的重要组成部分，股票市场的发展对国民经济的发展起到重要的推动作用，同时股票市场的运行又受到整个国民经济发展形势的制约。中国股票市场自建立起到现在取得了长足的进步，但市场表现出的波动幅度和风险性要大大高于国外成熟的资本市场。因此，在我国股票市场即将取得重大发展的时期对其进行波动特征研究就显得尤为重要。本文以上证综合指数月市盈率作为研究对象，采用ARMA模型并结合Eviews8.0统计软件对样本数据进行分析。针对寻找影响市盈率多种因素的困难，提出从市盈率的的数据本身出发，利用

B-J时间序列分析方法建立自回归滑动平均模型ARMA，对股票市盈率分析并预测。对上证综合指数的市盈率的数据实证研究并短期预测，结果表明其预测效果良好。

关键词：股票时间序列分析市盈率 ARMA模型预测

ABSTRACT

The stock market is an important part of the national economy, its development plays a critical role in national economy, at the same time, the operation of the stock market is restricted by the developing situation of the whole national economy. Chinese stock market grows fast and has made great progress since it was founded, and the market risk and volatility is much larger than that of foreign markets. So it is necessary to study the volatility character of stock market when it is on the developing way. In this text, we will regard Shanghai stock composite price-earning ratios as the main study object, and try to use the ARMA models to describe the volatility character with the statistic software EViews8.0. As for the difficulties of looking for a variety of factors influencing the price-earning ratios, the model built by the data itself with B- J’s method of time series is presented to analyze and to forecast. A stock’s price-earning ratios empirical research is carried out, which is included short-term forecast. The result shows that the method gives a good short-term predict.

Key words: stock, analysis of the series, price-earning ratios, ARMA models, forecast

0 引言

市盈率是投资者分析股票价值的重要指标，其定义为每股股票价格与每股税后利润的比率，全称为“市价盈利比率”。它可估计股票的投资报酬和风险，如果能对股票市盈率进预测有助于投资者做出合理的投资决策，使社会财富在不同投资者之间进行优化分配。

许多学者对市盈率已进行研究。吴世农和吴育辉指出了企业及所在行业的发展前景、未来的收益和风险是影响市盈率的三大影响因素。丁忠明指出了创业板股票月均发行市盈率与场指数正向相关，与上市溢价率负相关。蔡玉兰在固定增长股利贴现模型的基础上，结合资本资产定价模型和改进的杜邦分析法，指出股利发放率、无风险报酬率、贝塔系数、市场组合的预期报酬率等九大因素影响市盈率。王春丽通过建立面板模型探究在市净率( P/B) 、系数和流通股比例( CSP) 等因素共同影响下行业整体业绩增长对市盈率水平的影响。吴树畅就股价与股价的驱动因素关系分析构建动态市盈率模型，来揭示不同类型市场不同类型公司市盈率大小的驱动因素。

以上学者大体上都是从影响市盈率的因素进行研究但是市盈率是企业在资本市场上一系列复杂活动共同作用所形成的结果，很难从某一个或几个因素对市盈率正确的分析。经济运行过程从较长时间序列看，由于市场机制的作用，呈现一定的规律。影响股价的政治、经济、企业状况、股民心理等多方面因素都会在股票价格反映出来，股票的市盈率是股价与税后利润的比率，因此在预测股票的市盈率可从其数据本身出发，而不必考虑各种因素的影响。本文利用博克斯和詹金斯( Box and Jenkins) 创立著名的B-J 方法对股票市盈率已有的历史数据建立ARMA模型。由于它考虑到市盈率在时间序列上的变化规律性，又考虑了随机波动的干扰性，故可较准确预测股票的市盈率短期变化。

1 模型的建立

1.1 ARMA 模型简介

如果时间序列{yt}满足:

其中: 是独立同分布的随机变量序列，并且对任意的t，则称时间序列{yt}服从(p,q)阶自回归移动平均模型，记为ARMA(p,q)。为自回归系数，为移动平均系数。对于ARMA(p,q)模型，当q=0时，模型即为AR(q); 当p=0时，模型即为MA(p)模型。

B-J 方法的ARMA 建模步骤：

第一步判断时间序列是否是平稳序列，如果不是平稳序列可以经过差分转化为平稳序列。第二步利用样本数据自相关函数和偏自相关函数的工具进行时间序列模型阶数的识别。第三步确定模型阶数后可对模型参数估计。第四步对模型的适合性进行检验，即对模型的残差序列进行白噪声检验。若残差序列不是白噪声序列，意味着残差序列还存在有用的信息没被提取，需要进一步改进模型。第五步若模型经检验是合适的，同时也符合实际意义，可用于短期预测。

1.2 ARMA模型对单支股票市盈率实证分析和预测

由于受众多因素的影响，股票的价格经常处于不断的变化之中，股票的每股收益受到公司的经营及一些国家法令政策的影响也在随机地变化，这样计算出来的每天的股票市盈率是随机的，故可以把它作为一个时间序列，通过研究它的统