龙源期刊网 http://www.qikan.com.cn
ARMA模型在股票中的应用
作者：张林锋
来源：《商情》2013年第22期
【摘要】本文主要运用Eviews5.0统计分析软件对工商银行2012年1月1日到2012年5月25日每天的开盘价格的时间序列建立ARMA模型，提出股票价格序列的短期预测方法，该模型对短期投资决策有一定的指导作用。结果表明，ARMA模型对股票价格短期预测效果明显。
【关键词】时间序列 股票价格 ARMA模型 中图分类号：O29 一、引言
中国股票市场虽然起步较晚，但其发展是相当迅猛的，尤其是进入2000年以后，中国的股市更加活跃了。在价格变化多端的股票市场中，投资者们因盲目买卖股票使自己的收益或盈或亏，大多数会带有从众或投机的心理去投资，从而形成一定形式的买卖跟风（全福生[1]，何永沛[2]）。股票市场价格序列的残差都具有时变波动性、波动集聚等特点，但是传统的时间序列分析方法无法很好的刻画和解释这一点，由Box、Jenkins创立的“自回归移动平均模型” 简称ARMA模型，它能集中地反映方差的变化特点，现已被广泛地应用于经济领域的时间序列分析、验证金融理论中的规律描述、金融市场的预测和决策。因此本文基于ARMA模型对工商银行每日的收盘价波动进行实证分析并对其短期内的走势做出试探性预测。
时间序列预测方法的基本思想是（史晓燕[1]）：预测一个现象的未来变化时，用该现象的过去行为来预测未来，即通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。现实中的时间序列都是非平稳的， 其变化受许多因素的影响，有些起着长期的、决定性的作用，使时间序列的变化呈现某种趋势和一定的规律性，有些则起着短期的、非决定性的作用，使时间序列的变化呈现出某种不规则性。时间序列的变化大体可分解为以下几种：（1） 趋势变化，指现象随时间变化朝着一定方向呈现出持续稳定的上升、下降或平稳的趋势； （2） 周期变化（季节变化），指现象受季节影响，按一固定周期呈现出的周期波动变化； （3） 循环变动，指现象受不固定的周期呈现出的波动变化； （4） 随机变动，指现象受偶然因素的影响而呈现出的不规则波动。时间序列一般是以上几种变化形式的叠加或组合。
ARMA模型是一种常用的随机时序模型，由Box、Jenkins创立，亦称B-J方法。ARMA模型有三种基本类型：自回归（AR：Auto-regressive）模型、移动平均模型（MA：Moving Average）模型；以及自回归移动平均（ARMA：Auto-regressive Moving Average）模型。
ARMA模型在股票中的应用
