【统计学】【2011】基于Box-Jenkins方法的股票价格时间序列分析

本文为美国佐治亚南方大学（作者：Shakira Green）的硕士论文，共156页。

时间序列是一系列数据点，通常以均匀的时间间隔进行测量。时间序列分析方法是统计学的重要组成部分，从经济学到工程学的各个领域都有实际应用。时间序列分析包括分析时间序列数据以便提取数据有意义的特征和预测未来值的方法。自回归积分滑动平均（ARIMA）模型或Box-Jenkins方法是一类能够表示平稳和非平稳时间序列的线性模型。ARIMA模型在很大程度上依赖于自相关模式。本文将探讨Box-Jenkins方法在股票价格分析中的应用，特别是不同时间间隔的时间采样，以确定是否存在一些最优设计框架，以及同一行业内的股票自相关模式是否具有相似性。

A time series is a sequence of data points, typically measured atuniform time intervals. Examples occur in a variety of fields ranging fromeconomics to engineering, and methods of analyzing time series constitute animportant part of Statistics. Time series analysis comprises methods foranalyzing time series data in order to extract meaningful characteristics ofthe data and forecast future values. The Autoregressive Integrated MovingAverage (ARIMA) models, or Box-Jenkins methodology, are a class of linear modelsthat are capable of representing stationary as well as nonstationary timeseries. ARIMA models rely heavily on autocorrelation patterns. This paper willexplore the application of the Box-Jenkins approach to stock prices, inparticular sampling at different time intervals in order to determine if thereis some optimal frame and if there are similarities in autocorrelation patternsof stocks within the same industry.

1 引言：基础知识

1.1 研究动机

1.2 概述

1.3 项目背景

1.4 Box-Jenkins方法

1.5 回归方法

1.6 结论

2 研究分析

3 研究结果

4 结论

下载英文原文地址：

http://page5.dfpan.com/fs/2l1c7j92b2714229166/

更多精彩文章请关注微信号：