文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > ARIMA模型在期货交易预测中的应用研究
侵权投诉

ARIMA模型在期货交易预测中的应用研究

ARIMA模型在期货交易预测中的应用研究

王习涛

(郑州大学 信息工程学院,河南 郑州 450052)

摘要:求和自回归移动平均模型(ARIMA)在非平稳时序序列预测中有良好的效果,文章通过对原始数据进行简单平稳处理,在一定程度上达到减小预测误差,提高预测精度的目标。 关键字: ARIMA模型、时间序列、平稳处理、模型识别

Study on the Application of ARIMA model in time-bargain forecast

WANG Xi-tao

(College of Information Engineering, Zhengzhou University, Zhengzhou 450052, China) Abstract: Autoregressive integrated moving average model(ARIMA) has favorable effect in forecast of troubled time series, the article do some simple calm disposal to original data, so as to decrease the forecast error in a way, and get the goal of increasing forecast precision.

Key words: ARIMA model、time series、calm disposing、model identify

期货交易带有明显的非平稳性和随机性, 因此使用单纯的自回归模型或者移动平均模型都无法很好地对交易趋势进行拟合预测, ARIMA模型就是将前面两者相结合并加入对非平稳数列的差分操作从而实现对非平稳数列的较好的拟合及预测。文章在ARIMA模型的基础上对时序数列进行局部平稳化处理,既保证整体趋势不变又实现了局部的平稳,实验表明该方法对于提高ARIMA 模型的预测准确度具有明显的效果。

⒈ 模型介绍

系统中某一因素变量的时间序列数据没有确定的变化形式,也不能用时间的确定函数描述,但可以用概率统计方法寻求比较合适的随机模型近似反映其变化规律。(自变量不直接含有时间变量,但隐含时间因素) ⑴ 自回归AR(p)模型

yt=φ1yt-1+φ2yt-2+……+φpyt-p+εt

式中假设:yt的变化主要与时间序列的历史数据有关,与其它因素无关;

εt不同时刻互不相关,εt与yt历史序列不相关。

式中符号:p模型的阶次,滞后的时间周期,通过实验和参数确定;

yt当前预测值,与自身过去观测值yt-1、…、yt-p是同一序列不同时刻的随机变量,相互间有线性关系,也反映时间滞后关系; yt-1、yt-2、……、yt-p同一平稳序列过去p个时期的观测值;

φ1、φ2、……、φp自回归系数,通过计算得出的权数,表达yt依赖于过去的程度,且这种依赖关系恒定不变;

2

εt随机干扰误差项,是0均值、常方差σ、独立的白噪声序列,通过估计指定的模型获得。

作者简介:王习涛(1981-) 男 河南新乡人 硕士研究生,研究方向数据挖掘、电子商务

第1页

你可能喜欢

  • 时间序列ARMA模型
  • 公路客运
  • 时间序列分析
  • 平稳时间序列模型
  • 多元线性回归模型
  • 计量经济学论文eviews

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email