股指預測

出自 MBA智库百科(https://wiki.mbalib.com/)

　　股指預測是時間預測，即按時間順序發生的觀測值的集。

　　股票的價格走勢直接影響著投資者的經濟利益，也影響和反映著國家的巨集觀經濟政策，因而受到人們的廣泛關註。股票指數即股票價格指數，是由證券交易所或者金融服務機構編製的表明股市行情變動的一種僅供參考的指示數字，它是一個國家經濟形勢的綜合反映。行情變動的一種僅供參考的指示數字，它是一個國家經濟形勢的綜合反映。由於股票價格的變化無常，投資者必然會遇到投資的風險。對於某一種股票的價格變化，投資者容易瞭解，但是多種股票的價格綜合變化，就不容易理解了，為瞭解決這一難題，一些金融服務機構利用自己的專業知識編製了股票價格指數，作為股民對股市行業綜合行情的理解工具以預測股票市場的動向。投資者依靠指數的升降可以判斷出股票價格的變動趨勢，因此股指的變化一直受到股民的關註，也是學者研究的熱點和重點。

　　近年來我國亦有很多學者應用時間序列模型對中國的股票價格指數進行研究:

　　股票價格的形成及波動不僅受制於各種經濟、政治因素，而且受投資心理和交易技術等的影響。“”股票價格的影響因素很多，“股價隨業績調整”是股市不變的原則。但事實上，股票價格不僅與上市公司企業內部財務狀況有著密切的相關關係，還與整個股票市場狀況乃至整體經濟運行狀況有關。由於影響股票價格波動的因素眾多，使得其預測難於實現。而用傳統的回歸分析模型來進行預測，不僅複雜而且費用較高，而且由於股票市場的變化，其預測精度並不比時間序列分析方法更精確，而時間序列分析方法模型一般簡單，成本較低，特別適用於錶面上毫無規律可循的數據。劉紅梅以“鞍鋼股份”股票價格為例，利用EVIEWS軟體對其股票價格建立ARIMA模型，提出了股票價格序列的一步動態預測方法。

　　艾小偉，王有遠根據ARIMA(p,d,q)模型的原理和方法,對我國深證成指對數收益率數據進行了建模,在實際計算的過程中,考慮到對數收益率數據比較小的特點,利用矩陣的SVD分解和Moore Penrose廣義逆,來求解參數的極小二乘解,以減少中間過程的誤差,從而得到比較好的模型。最後,對模型進行了實驗模擬,經檢驗分析結果比較理想。

　　由於我國股票市場每日報酬時間序列的非正態性和厚尾性,且呈現波動集群性,基於正態假設的靜態模型存在很大的缺陷,而ARCH類模型具有很好的處理厚尾的能力,能較好的描述股價等金融變數的波動特征。中南大學的尹清非,仇媛媛將GARCH-M模型,引入GARCH(1)-M模型和TARCH(1,1)模型研究了上海股票市場波動性隨時間變化的特征，探討了股票收益和波動之間的動態關係，結果表明，GARCH-M模型能顯著提高預測的準確性。

　　萬建強、文洲用香港HENSEN指數及其四個組成部分的子指數對ARIMA模型及GATCH模型進行了比較。

　　曹劍、劉璐依然使用ARCH類模型描述了我國上海股市的波動狀況，通過分析，得出了非對稱的ARCH模型-EGARCH(1,1)模型可以很好的描述上海股票市場的波動狀況的結論。

　　事實證明，沒有任何一種模型是萬能的或絕對最優的，對不同的序列、同一序列的不同時段可能會有不同的模型最適合它。

　　股票市場是經濟也是股民心情的“晴雨表”和“報警器”，其作用不僅被廣大投資者所關註，也受到“”政府的重視。所謂“凡事預則立，不預則廢”。對股票投資者來說，對股市的變化趨勢預測與利潤的獲取有著直接的聯繫，預測越準確，對風險的防範就越有把握；對上市公司來說，股票指數反映了該公司的經營情況以及未來發展趨勢，影響著整個公司的效益，是分析和研究該公司的主要技術指標；對國家的經濟發展而言，股票預測研究同樣具有重要作用因此對股市的內在價值及預測的研究具有重大的理論意義和應用前景。