论文部分内容阅读
随着股票市场的飞速发展,各个不同的专家学者提出了多种股票价格预测方法,主要包括定性预测方法和传统的定量预测方法,如基本面分析法、技术面分析法、移动平均法以及灰色模型预测法等。但是问题在于股票市场不是一个简单的线性市场,它是一个受多种因素影响的非线性市场。股票的价格受到许多外部因素影响,不仅仅包括许多高度相关的经济,社会,政治因素,甚至投资者的心理因素也会对股价造成巨大的影响。例如自然灾害和经济危机对股市影响都较大。因此,预测股票市场走势通常非常困难。传统的统计方法,包括移动平均,指数平滑和线性回归方法已被用于股票价格的预测。此外,马尔科夫模型和ARMA模型也已被使用于股价预测。然而,市场行为的非线性和随着时间不断变化的两个特征使这些传统分析方法难以揭示股票市场的内部变化。本文选取工商银行、金天高科、天邦股份从2015年1月5日至2018年4月4日的股票收盘价作为研究对象,通过对工商银行、金天高科、天邦股份股票价格的描述性统计、平稳性检验和ARCH效应的分析结果发现中国工商银行的股票收益率具有高峰厚尾分布的特征,且具有ARCH效应,故本文同时采用GARCH模型和BP神经网络模型对工商银行的股票价格预测。与此同时,由于金天高科和天邦股份的股票收益率的时效性不是很明显且ARCH效应不显著,因此不采用ARCH模型和BP神经网络对其股票价格进行拟合。本文通过实证对比分析得出GARCH(1,1)相比其他阶数的GARCH模型在股票价格预测有效性方面是最好的,BP神经网络在隐含层节点数为5时对于工商银行股票收益率数据的拟合程度最优,两种预测方法都能够对股票短期价格进行预测的结论。