基于状态空间模型、Kalman滤波等方法对中国股市的预测及分析

摘要

中国股票市场的发展较发达国家而言,相对较晚,但经历了近十年多社会经济政治的快速发展已初具规模.沪深两个证券交易所目前已有一千余家上市公司,股票已成为继储蓄、债券之后的又一热门投资品种,股票已被越来越多的投资大众所接受,综合指数作为反映了股票市场的整体走向及内在规律的指标,已成为股民们关注的重要话题.随着证券交易法律法规的不断完善以及监管力度的不断加强,中国的证券市场正健康稳步地向前发展.据作者所知,目前利用统计方法对中国股票市场综合指数的分析研究工作相对较少,而利用状态空间模型、并结合Kalman滤波方法的分析工作尚未看到,很多分析工作依然停留在人为的直观分析上,这样对股市的分析必然带来很多主观性、缺乏科学的依据.为此,该文结合中国股票市场的特点,主要运用状态空间模型结合Kalman滤波方法,以SAS软件系统作为研究平台,对中国上海证券交易所的上证综合指数做了一元和多元的预测分析,同时结合其它的一些时间序列方法的预测结果进行分析比较,得到了较高的预测精度,为预测股票市场的整体走势提供了一种方便实用的方法.该文由五个部分的内容组成:第一部分是前言,介绍了中国股市的现状和发展概况.第二部分为状态空间模型及Kalman滤波的概念、原理及计算公式.第三部分运用状态空间模型及Kalman滤波方法,结合中国股市特点拟合、分析、预测中国股市大盘走向.第四部分利用逐步自回归、ARIMA和干预模型方法对上证A、B股指数月线数据进行预测分析.第五部分综合状态空间模型及Kalman滤波方法、逐步自回归、ARIMA和干预模型方法的结果特点,进行比较讨论.

目录

文摘

英文文摘

东南大学学位论文独创性声明及使用授权的说明

前言

1中国股票市场概述

2股票价格指数

3研究对象及方法

第一章状态空间模型及Kalman滤波

1.1状态空间模型简介

1.2局部水平模型

1.2.1局部水平模型简介

1.2.2局部水平模型的Kalman滤波

1.3线性高斯状态空间模型

1.3.1介绍

1.3.2结构时间序列模型

1.3.3 ARMA模型和ARIMA模型

1.4滤波、平滑及预测

1.4.1滤波

1.4.2状态平滑

1.4.3干扰平滑

1.4.4缺失观测

1.4.5预测

第二章利用状态空间模型及Kalman滤波对上证A、B股指数的分析预测

2.1状态空间模型及Kalman滤波在SAS系统上的实现

2.1.1SAS系统中的状态空间模型过程

2.1.2 Kalman滤波在SAS系统中的实现

2.2利用状态空间模型及Kalman滤波方法对上证A股及B股指数预测分析的计算结果

2.2.1用STATESPACE方法对上证A股及B股指数的预测结果

2.2.2用Kalman滤波方法对上证A股及B股指数的预测结果

2.2.3滤波和平滑相结合对上证A股及B股指数的联合预测结果

第三章利用逐步自回归、ARIMA和干预模型方法对上证A、B股指数的分析预测

3.1概述

3.2用STEPAR方法对上证A、B股指数的预测

3.3用ARIMA过程对上证A、B股指数的预测

3.4用干预模型对上证A、B股指数的预测

结论

致谢

参考文献