基于ARIMA-GARCH模型的股票价格预测

摘要

本文引入了误差校正的思想,先利用ARIMA-GARCH模型对日收盘价进行初步预测,但是预测精度不高,通过对误差序列进行的白噪声检验,发现误差序列存在还有未被ARIMA-GARCH模型提取的信息。再利用变量间的相关关系,寻找与误差序列相关的变量。随后通过主成分分析对变量进行降维,以筛选出合适的解释变量。将解释变量与误差序列进行回归建模,对误差进行预测。最后将预测的误差值与ARIMA-GARCH模型的预测值相加,得到最终的预测值。通过将最终的预测值与ARIMA-GARCH模型的预测值相比较,观察到预测精度有了很大的提高,进而验证了引入误差校正的方法是合理的。