论文基于EVIEWS的ARMA—GARCH模型对上证指数是关于本文可作为上证指数方面的大学硕士与本科毕业论文上证指数论文开题报告范文和职称论文论文写作参考文献下载。
摘 要：基于自回归移动平均模型（ARMA）和广义自回归条件异方差模型（GARCH）的方法在金融数据分析上具有很大的优势,本文使用ARMA-GARCH预测模型,对上证指数收盘价建模,通过模拟和预测,得到本文样本的一阶差分的模型ARMA（4,2）,并使用该模型估计2015年12月1日到2015年12月06日的收盘价,通过检验比较得出相对误差率小于5%.
关键词：ARMA；GARCH；上证指数；模型预测
引言
本文根据ARMA在平稳时间序列数据预测方面的优势,以及GARCH在处理金融数据易变性方面的优势,使用ARMA-GARCH模型作为预测模型,以2004年9月3日到2015年11月30日2729個上证指数收盘为样本,对上证指数收盘价建模,并对往后几天的上证指数收盘价对所建立的ARMA-GARCH模型进行检验.
一、ARMA-GARCH模型的建立和分析
(一) 数据选取和自相关分析
本文选取上证指数（SP）2004年9月3日到2015年11月30日2729个上证指数收盘为样本.使用eviews软件对上证指数的收盘价的一阶差分建立的模型分别为ARMA（4,1）或ARMA（4,2）或ARMA（5,1）或ARMA（5,2）,各个模型指标如下：
表示模型的整体拟合优度,介于0到1之间,值越大,表示拟合越好,根据AIC准则和SC准则选取模型,AIC和SC值越小越好,综合选取ARMA（4,2）作为模型.对所得模型做ARCH检验结果如表2：
从表2可以知道,ARMA（4,2）的F统计量的概率趋于0,说明模型显著,观察值R平方对应的概率趋于0,拒绝残差序列不存在ARCH效应的原假设,说明ARMA（4,2）模型的残差存在ARCH.
(二)模型识别与检验
经过本文的分析,确定使用上证指数收盘价的一阶差分（dspj1））作为研究对象,以ARMA（4,2）作为模型.用于预测的数据是2015年12月1日到2015年12月06日的收盘价,将预测数据和原数据进行比较.如下表
二、结论
通过本文介绍,可以知道上证指数的一阶差分序列具有自相关性和平稳性,使用Eviews工具分析得到ARMA（4,2）模型,经过ARCH-LM检验,存在自回归条件异方差效应.通过2015年12月1日到2015年12月06日的收盘价预测,误差绝对值小于5%,表明该模型在预测上证指数,具有参考意义.
参考文献：
[1]陈健.ARCH类模型研究及其在沪市A股中的应用[J].数理统计与管理,2003,（05）：10-13
[2] 徐枫.股票预测的GARCH模型[J].统计与决策,2006,（09）：107-109
作者简介：
林子明,王雅婷,华南理工大学.
总结:这篇上证指数论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 基于EGARCH模型的我国上证指数波动非对称效应 【摘要】本文采用EGARCH模型，以2015年6月8日至2017年6月6日上证综指的每日收盘数据为样本，实证检验了该期间我国股票市场波动的非对称。
2、 基于GARCH模型深圳股市波动性 [摘 要]文章以深证成指为研究对象，搜集了2015年1月5日至2016年6月8的日收盘价数据，运用GARCH模型对深证成指收益率的波动性和特点进。
3、 基于ARMA—GARCH模型同业拆借利率VaR度量 摘 要：以2007年1月4日至2013年12月31日CHIBOR和SHIBOR隔夜拆借数据为研究样本，建立基于ARMA-GARCH族的利率风险测。
4、 基于GARCH模型波罗海干散货运价指数预测 【摘 要】 研究波罗的海干散货运价指数（BDI），对其日收益率序列建立模型，并比较不同分布的各模型优劣。结果表明，基于不同分布的GARCH模型对。
5、 上证指数突破呈弱势，回调恐持续 K线图上的对称三角形形态已经被上证指数有力地向上突破了，该突破的力度比较强，已经进入到顾比复合移动平均线指标（GMMA）长期组均线的下边缘所形成。
6、 上证指数试探支撑位 上证指数回撤至位于2840点附近最近的支撑位，这确认了从7月18日2691点附近开始反弹的结束。然而这并不是上证指数下降趋势重新开始的一个信号。。