上证综指的长记忆性检验及其预测研究

论文摘要

近年来,我国的金融行业不断发展壮大,证券市场作为金融市场的重要组成部分,已成为了金融领域的研究对象之一。研究上证综指的记忆性特征,不但有助于了解证券市场的发展,还能为投资者提供实践指导。本文依据上证综指的时间序列周期,结合相关变量,建立预测模型,得到有效估计,从而避免证券市场的外在风险,主要内容和研究结果如下。1.选取了1991-2018年上证综指收盘价作为原始样本数据,通过对其进行对数和对数差分处理得到了对数样本和对数差分样本,并用R/S分析法、修正R/S分析法、V/S分析法、DFA分析法和MFDFA分析法对样本的记忆性进行检验。结果发现,对数差分处理会影响上证综指的记忆性,且5种分析方法的结果均表明上证综指是存在长记忆性特征的。2.考虑到时间和涨跌因素对上证综指的影响,本文将原始样本分成3个不同的时间段,并做去除较大涨跌幅度处理,然后用长记忆性检验方法对处理后的样本进行记忆检验。研究结果表明,上证综指的长记忆性检验确实会受到时间和涨跌因素的影响,在不同的时间区间其记忆指数不同,甚至有时会出现Hurst指数小于0.5的情况,这间接解释了在不同研究中上证综指记忆性指数不同的原因。与时间因素相比,去除较大涨跌幅度样本所得到的记忆指数变化更加明显,即涨跌因素对上证综指长记忆性检验的影响更大。3.采用参数模型和非参数模型对上证综指的收盘价进行预测。以近几年上证综指收盘价作为原始样本,首先对样本进行了归一化和去除较大涨跌幅度处理,然后进行正态性和单位根检验,最后得出该样本是非正态非稳定的时间序列。使用ARFIMA模型和GRU模型对处理后的样本进行预测,结果表明,不论是原始样本还是去涨跌样本,长期预测还是短期预测,GRU模型的预测效果均优于ARFIMA模型。4.当用同种模型对原始样本和去除较大涨跌样本进行预测时,发现去涨跌样本的预测结果均优于原始样本,从而表明去除较大涨跌幅度这种数据处理方法能够减小上证综指的预测误差。上证综指的长记忆性为其预测研究提供了有利条件。在原始样本和去涨跌样本的ARFIMA模型和GRU模型的预测结果中发现,去涨跌样本的GRU模型预测效果最好。这说明在上证综指的预测研究过程中,数据的预处理和模型的选取均会影响预测结果,因此有效的数据处理方法和相适应的模型选择是上证综指预测研究的重点。

论文目录

摘要

abstract

1 绪论

1.1 选题背景和研究意义

1.1.1 研究背景

1.1.2 有效市场假说

1.1.3 分形市场假说

1.1.4 上证综指的发展与计算

1.1.5 研究意义

1.2 国内外研究现状

1.2.1 检验方法

1.2.2 预测模型

1.3 论文主要工作与结构安排

2 长记忆性检验方法及预测模型

2.1 长记忆性的定义

2.2 长记忆性的度量方法

2.2.1 重标极差法

2.2.2 修正的重标极差法

2.2.3 重标方差法

2.2.4 去趋势波动分析法

2.2.5 多重分形去趋势波动分析法

2.3 时间序列常用的预测模型

2.3.1 参数模型

2.3.2 非参数模型

2.4 本章小结

3 上证综指的长记忆性检验

3.1 数据的获取

3.1.1 对数和对数差分处理

3.1.2 正态性检验

3.2 五种长记忆性检验方法的结果与分析

3.2.1 上证综指的长记忆性检验结果

3.2.2 五种检验方法的比较与分析

3.3 影响上证综指长记忆性检验的因素

3.3.1 时间因素

3.3.2 涨跌因素

3.4 本章小结

4 上证综指的预测分析

4.1 模型的选择

4.1.1 ARFIMA模型

4.1.2 门控循环单元

4.2 数据的选取

4.2.1 正态性和单位根检验

4.2.2 数据的预处理及误差分析

4.3 上证综指的预测

4.3.1 ARFIMA模型的预测

4.3.2 GRU模型的预测

4.4 预测结果的分析

4.4.1 样本的分析

4.4.2 模型的分析

4.5 本章小结

5 总结与展望

5.1 论文工作总结

5.2 论文工作展望

参考文献

致谢

文章来源

类型: 硕士论文

作者: 黄志平

导师: 党建武

关键词: 上证综指,长记忆性检验,模型

来源: 江西财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 江西财经大学

分类号: F832.51;F224

总页数: 60

文件大小: 3150K

下载量: 141

上证综指的长记忆性检验及其预测研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢