原创《基于EVIEWS的ARMA—GARCH模型对上证指数》：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。
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.
上证指数论文参考资料：
结论：基于EVIEWS的ARMA—GARCH模型对上证指数为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。
