论文部分内容阅读
本文主要研究了半参数模型、马尔科夫机制转换模型、基于误差平方和最小的组合预测模型、基于绝对误差和最小的组合预测模型、基于均方误差最小的变权组合预测模型及其在沪深300指数预测上的应用，比较了各个模型的预测效果。主要研究内容如下： 1.分析了沪深300指数样本数据的统计特征以及影响沪深300指数的外生变量，对沪深300指数序列的线性主部建立了具有外生变量的ARIMA模型，然后，利用高阶的Legendre正交函数回归对ARIMA模型进行改进，建立了半参数模型，并利用半参数模型对沪深300指数进行了预测。 2.利用Eviews软件对沪深300指数序列与外生变量CPI序列进行了结构断点检验，并对突变点产生的原因进行了分析，然后，利用Oxmetrics软件中的PcGive统计软件包对数据建立了MSR模型，并利用MSR模型对沪深300指数进行了预测。 3.对沪深300指数序列建立了基于误差平方和最小的组合预测模型和基于绝对误差和最小的组合预测模型，实证研究结果表明：这两种模型对沪深300指数的预测精度优于各个单模型。 4.对沪深300指数序列建立了基于均方误差最小的变权组合预测模型，并进行了实证研究，结果表明：基于均方误差最小的变权组合预测模型对沪深300指数的预测精度优于上述组合预测模型。