一阶差分序列garch建模_基于时间序列的股票价格走势分析

摘要：随着当代经济的不断发展，金融市场已经成为经济发展的重要部分，而股票市场作为金融市场的重要组成部分，便与国民经济密切相关。对于投资者而言，如何及时了解价格波动从而准确分析股票市场行情，是决策过程中的一个关键问题;对于股票市场的管理者来说，如何把握股市动态，从而营造稳定健康的交易环境，也是一项非常艰巨的任务。因此，更好地了解股市的波动特征，以及从中探索某些规律，对我们学习金融理论和进行金融实践都具有重要的意义。本文以2009-2018年的沪深300指数为例，对ARIMA模型、ARCH模型和AR-GARCH模型进行拟合，比较其在股票价格走势上的优劣，再用通过检验的拟合模型对股价进行一个短期的预测。最后发现AR-GARCH模型对原序列有较好的拟合效果，并且获得了较为精确的预测结果。

关键词：时间序;ARIMA模型;ARCH模型;AR-GARCH模型

1.数据预处理

1.1  平稳性检验

本文选取了2009年1月至2018年12月的沪深300指数每个工作日的收盘价作为研究对象，绘制其时序图并作出初步分析。

由原序列时序图可以看出，该序列有不太明显的周期性，直接观察无法确定其是否平稳，此时我们可以借助自相关图进一步判断序列是否平稳。

根据原序列的ACF图可以看出，随着延迟期数k的增加，ACF一直在零轴上方为正，而且衰减到零的速度非常慢，因此可以判断原序列为非平稳序列。

<