發(fā)布時間：2020-11-16 12:26

　　 文章利用VAR模型對我國股票價格指數(shù)做出預測,結果顯示,VAR模型對當前下一期預測結果比較準確,而對多步預測的結果不太理想。詳細分析了Granger因果效應和相應的脈沖響應函數(shù),并討論了VAR模型適用范圍,引出可以對某投資組合做預測評價,使得證券監(jiān)督管理機構有效地監(jiān)督股票市場的風險,并判斷其投資行為存在異常情況,為投資者提供正確的股票市場預估信息。
【部分圖文】：

統(tǒng)計與決策2019年第5期·總第521期指數(shù)的開盤價、最高價、最低價和收盤價作為樣本，并分別記為Yk、Yg、Yd、Ys。本文采用S-plus軟件，滯后階數(shù)為2，對上證指數(shù)下一期的開盤價、最高價、收盤價、最低價通過VAR模型進行擬合預測。通過S-plus軟件可以得到Yo、Yh、Yl、Yc的R2和殘差平方和等。圖1上證指數(shù)四個指標的ACF圖從圖1可以看出四個指標均是平穩(wěn)序列，所以滿足VAR模型的條件，因此可以建立VAR模型。表1擬合優(yōu)度指標R2調(diào)整的R2標準誤殘差平方和Yo0.99610.996133.352527256Yh0.99420.994141.745826003Yl0.98980.989652.0661284961Yc0.98190.981672.20252471054從表1可以看出，該模型的R2以及調(diào)整的R2值比較高，故擬合優(yōu)度較高且非常顯著，因此可以初步判斷模型能夠對股價指數(shù)進行較好的估計。并且通過計算得到VAR模型的系數(shù)如表2所示。表2系數(shù)矩陣(Intercept)open.lag1high.lag1low.lag1close.lag1open.lag2high.lag2low.lag2close.lag2open-26.2246-0.24020.11500.18210.98330.0429-0.05570.0741-0.0930high-25.9018-0.39620.3816-0.04380.9476-0.14330.22330.1338-0.0914low44.7745-0.3669-0.05370.33601.1397-0.18670.05160.4047-0.3424Close7.0099-0.37590.26580.11360.9780-0.31040.28940.4346-0.3967本文以收盤價為例，對于開盤價、最高價和最低價可以由類似計算得到。Yot=-26.2047-0.2402Yot-1-0.1150Yht-1-0.1821Ylt-1+0.9833Yct-1+0.0429Yot-2-0.0557Yht-2+0.0741Ylt-2-0.0930Yc

硎?菹允荊?步預測的結果在準確度上是有一定保證的，但伴隨預測步長的逐漸遞進，總體預測精度呈現(xiàn)遞減的態(tài)勢。因此，在預測時要不斷更新基本數(shù)據(jù)，使得其預測的精度更高。在預測下一期股價指數(shù)誤差較小的情況下，投資者理論上可以將預測值作為參考，在股票市場上進行交易和操作，從而達到降低風險和增加收益的目的。在預測值和真實值相當接近的情況下，投資者在當期預測出下一期股價指數(shù)的最高價和最低價時可以采用謹慎的交易策略。即以高于最低價預測值的價格買進，以低于最高價預測值的價格賣出，只要交財經(jīng)縱橫圖2真實值和預測值的殘差圖161

.lag1high.lag1low.lag1close.lag1open-19.5937-0.21760.03730.17401.0119high-13.2429-0.32410.4796-0.07240.9244low64.3919-0.3458-0.24540.39021.1755close31.6291-0.32660.20430.11720.9946high5000450040003500300050004500400035003000values450460470480490index5000450040003500300050004500400035003000450460470480490closelowopen圖3預測走勢以及置信區(qū)間圖3畫出了滯后項為1時的預測圖，圖中的虛線表示預測值的置信上下限，可以看出隨著預測步長的增加，預測精度越來越差，在圖中表現(xiàn)是置信上下限呈喇叭狀向外延伸。3VAR模型預測的結構性分析一般的VAR(P)模型有很多參數(shù)，由于變量間復雜的交互和回饋效應使得模型的解釋性比較差，因此，VAR(P)的動態(tài)性質應運而生。三種常用的結構分析是：（1）格蘭杰因果檢驗；（2）脈沖響應函數(shù)；（3）預測誤差方差的分解。下面結合本文上證指數(shù)的例子來研究這三種結構分析。3.1VAR模型對上證指數(shù)預測能力的分析VAR(p)模型的主要作用就是預測，VAR模型的結構提供了一個變量或一組變量對其他變量的預測能力。Granger最早提出了一個變量的預測能力。如果一個變量或者一組變量，發(fā)現(xiàn)y1有助于預測另一個變量或者另一組變量y2，然后就稱y1是y2的Granger原因，否則稱y1不是y2的格蘭杰原因。嚴格來說，如果y1不是y2的Grang-er原因，則對于所有的s>0基于(y)2?t?y2?t-1??預測的y2?t+s的MSE和基于(y)2?t?y2?t-1??與(y)1?t?y1?t-
【參考文獻】

相關期刊論文 前10條

1 倪延延;張晉昕;;向量自回歸模型擬合與預測效果評價[J];中國衛(wèi)生統(tǒng)計;2014年01期

2 周瑛達;胡琬蕓;鞏禹;李慶華;;基于R/S分析法和VAR模型的我國股票價格指數(shù)的預測性研究[J];生產(chǎn)力研究;2012年04期

3 吳振信;薛冰;王書平;;基于VAR模型的油價波動對我國經(jīng)濟影響分析[J];中國管理科學;2011年01期

4 汪靈枝;趙秋梅;韋增欣;;支持向量機回歸集成股市預測模型[J];廣西工學院學報(自然科學版);2010年03期

5 楊淑玲;;股票價格的灰色預測[J];江西財經(jīng)大學學報;2006年05期

6 姚培福;許大丹;;BP神經(jīng)網(wǎng)絡在股票預測中的應用研究[J];廣東自動化與信息工程;2006年01期

7 康建林,朱開永,周圣武,韓苗;GARCH模型在中國股票波動預測中的應用[J];贛南師范學院學報;2005年03期

8 徐翔,黃道,李昱瑾;一種改進RBF神經(jīng)網(wǎng)絡在股市建模及預測中的應用[J];微型電腦應用;2004年05期

9 何建敏,常松;中國股票市場多重分形游走及其預測[J];中國管理科學;2002年03期

10 徐龍炳;中國股票市場股票收益穩(wěn)態(tài)特性的實證研究[J];金融研究;2001年06期

相關碩士學位論文 前1條

1 曾毅成;基于改進BP神經(jīng)網(wǎng)絡的上證指數(shù)預測[D];廈門大學;2006年

【共引文獻】

相關期刊論文 前10條

1 楊文光;嚴哲;于健;;基于混沌三次指數(shù)平滑模型的CPI預測研究[J];陜西科技大學學報(自然科學版);2015年06期

2 趙志;周倩;張晉昕;;時間序列分析方法及其進展[J];中國衛(wèi)生統(tǒng)計;2015年06期

3 王惠;;城市化、經(jīng)濟增長與公共圖書館發(fā)展——基于我國省級面板數(shù)據(jù)[J];圖書館論壇;2015年12期

4 王文智;武拉平;;國際性因素對玉米期貨價格影響研究[J];經(jīng)濟問題探索;2015年09期

5 曹飛;;石油價格沖擊與中國實際經(jīng)濟波動研究——基于開放RBC模型的分析[J];中國管理科學;2015年07期

6 徐世鵬;張寧;邵星杰;;城市軌道交通站點客流不確定性研究[J];都市快軌交通;2015年03期

7 張書煜;王瑤;范婷婷;趙珵;王旭澤;;基于社交媒體的投資者情緒對股市收益影響的大數(shù)據(jù)分析[J];中國市場;2015年25期

8 周業(yè)付;劉慶耀;;國際原油價格波動對航運運價影響的實證分析[J];統(tǒng)計與決策;2015年10期

9 陳鵬杰;李天增;;運用小波分析挖掘金融市場中的風險與機會[J];樂山師范學院學報;2015年04期

10 左菲菲;焦建玲;李蘭蘭;;國際石油價格波動的結構性因素分析[J];合肥工業(yè)大學學報(自然科學版);2015年03期

相關碩士學位論文 前10條

1 薛舒婷;基于改進BP神經(jīng)網(wǎng)絡的股價指數(shù)預測及交易策略研究[D];西北大學;2018年

2 龔亞忠;基于METSIM的鎢冶煉工藝過程仿真研究[D];江西理工大學;2016年

3 張喜梅;中國股票市場的均值回復檢驗及預測問題研究[D];浙江理工大學;2016年

4 劉曉瑩;基于KNN方法的股票價格趨勢預測研究[D];東北農(nóng)業(yè)大學;2015年

5 羅超;涉農(nóng)上市公司股票價格預測研究[D];湖南農(nóng)業(yè)大學;2015年

6 王蓉;神經(jīng)網(wǎng)絡在煤灰熔融性預測中的應用[D];西安科技大學;2014年

7 晁瑞昌;互聯(lián)網(wǎng)公司的股票價格預測研究[D];東北財經(jīng)大學;2012年

8 任偉宏;基于人工神經(jīng)網(wǎng)絡的水果價格短期預測研究[D];中國農(nóng)業(yè)科學院;2012年

9 金易筆;基于多級能耗模型的公共建筑可視化能耗監(jiān)測平臺關鍵技術[D];浙江大學;2012年

10 汪順偉;基于PCA-BP模型的上證綜指預測研究[D];西南石油大學;2011年

【二級參考文獻】

相關期刊論文 前10條

1 馬金華;席曉宇;褚淑貞;;基于VAR模型的我國生物醫(yī)藥研發(fā)投入與醫(yī)藥經(jīng)濟增長研究[J];中國衛(wèi)生經(jīng)濟;2012年02期

2 國家統(tǒng)計局上海調(diào)查總隊課題組;劉稚南;;基于因子分析和向量自回歸模型的我國價格波動影響因素實證分析(上)[J];上海經(jīng)濟研究;2011年11期

3 于洪江;柳國洪;孫愛峰;夏季明;;時間序列資料季節(jié)變動分析方法的比較[J];中國衛(wèi)生統(tǒng)計;2011年05期

4 閔繼勝;胡浩;;基于VAR(向量自回歸)模型的我國碳排放與經(jīng)濟增長關系的動態(tài)分析[J];經(jīng)濟問題探索;2011年05期

5 李洪雄;汪浩瀚;;向量自回歸模型與向量誤差修正模型預測功能的比較——基于我國國內(nèi)生產(chǎn)總值和居民消費支出變量的實證研究[J];寧波大學學報(理工版);2011年02期

6 周杰琦;;國際油價波動對經(jīng)濟增長的影響——基于中國的實證分析[J];技術經(jīng)濟與管理研究;2010年04期

7 耿中元;惠曉峰;;M1和M2作為貨幣政策中介目標的適用性研究[J];統(tǒng)計研究;2009年09期

8 柳彬德;張麗峰;;中國能源需求向量自回歸模型的建立與分析[J];技術經(jīng)濟與管理研究;2009年02期

9 吳建生;劉麗萍;金龍;;粒子群-神經(jīng)網(wǎng)絡集成學習算法氣象預報建模研究[J];熱帶氣象學報;2008年06期

10 潘慧峰;張金水;;國內(nèi)外石油市場的極端風險溢出檢驗[J];中國管理科學;2007年03期

【相似文獻】

相關期刊論文 前10條

1 高承引;;制約我國證券業(yè)品牌化的因素與路徑分析[J];現(xiàn)代商業(yè);2018年12期

2 彭博;;我國金融證券業(yè)發(fā)展現(xiàn)狀及問題[J];課程教育研究;2012年24期

3 張思博;;試析互聯(lián)網(wǎng)金融對證券業(yè)發(fā)展的影響[J];財經(jīng)界(學術版);2018年21期

4 張海鵬;;棒喝“野蠻人”后,我國證券業(yè)的展望[J];時代金融;2017年09期

5 王紅曼;;近代證券業(yè)的社會責任[J];中國金融;2017年11期

6 翟艷;黃解宇;;證券業(yè)集聚對經(jīng)濟增長、區(qū)域經(jīng)濟差距的影響研究[J];運城學院學報;2015年01期

7 韓韜;孫弢;梁敉靜;;城鎮(zhèn)化:金融的機會[J];金融世界;2013年03期

8 張學政;胡念華;;證券業(yè)對外開放的路徑[J];中國金融;2014年14期

9 盧華立;;論發(fā)展證券業(yè)系統(tǒng)重要性機構的必要性及路徑選擇[J];甘肅金融;2014年09期

10 代中現(xiàn);羅劍釗;;海峽兩岸證券業(yè)合作監(jiān)管模式探討[J];現(xiàn)代商貿(mào)工業(yè);2013年09期

相關博士學位論文 前6條

1 李延振;證券業(yè)規(guī)制的變革研究[D];暨南大學;2002年

2 陳建;證券利益關系研究[D];復旦大學;2010年

3 鄒平;我國證券公司發(fā)展的制度研究[D];中南大學;2001年

4 洪毅愷;我國證券公司雙層次戰(zhàn)略聯(lián)盟研究[D];華東師范大學;2008年

5 邵欣煒;基于VaR的金融風險度量與管理[D];吉林大學;2004年

6 孫亮;基于拓展VaR模型的我國上市公司海外并購風險度量研究[D];遼寧大學;2016年

相關碩士學位論文 前10條

1 王燕;我國證券業(yè)系統(tǒng)性風險研究[D];山西財經(jīng)大學;2014年

2 宮勛;中國證券業(yè)空間集聚特征研究[D];南京財經(jīng)大學;2011年

3 周洋;中國證券業(yè)規(guī)制問題研究[D];東北財經(jīng)大學;2005年

4 張晴;中國證券業(yè)市場結構及其重組研究[D];蘇州大學;2002年

5 陳興燁;我國證券業(yè)上市公司價值評估研究[D];首都經(jīng)濟貿(mào)易大學;2015年

6 易靖華;證券業(yè)基層經(jīng)營單元重大不可預知性危機應對策略[D];電子科技大學;2013年

7 方婷婷;我國證券業(yè)市場結構與績效關系研究[D];安徽財經(jīng)大學;2014年

8 嚴子棠;江西證券業(yè)經(jīng)營現(xiàn)狀及發(fā)展對策研究[D];南昌大學;2013年

9 婁志濤;基于聚類分析的證券業(yè)客戶關系管理研究[D];西北農(nóng)林科技大學;2010年

10 李鈾;證券業(yè)競爭格局與并購模式研究[D];大連海事大學;2016年

本文編號：2886228