基于微分信息的ARMAD-GARCH股价预测模型

摘要：

ARMA-GARCH模型进行股票价格收益预测时,只考虑了滞后历史数据所包含的信息,而对于在每个滞后时间点的变化趋势信息却未纳入计算模型进行统一考虑,在一定程度上影响了模型分析时序数据时的泛化能力.本文提出了一种基于微分信息的ARMAD-GARCH模型,在包含传统ARMA-GARCH模型对因变量的滞后值以及残差滞后值进行线性回归的基础之上,又在条件均值方程中增加了因变量滞后值的近似微分信息,用以融合股票价格变化趋势信息,提高预测模型对于价格演变方向的判别能力.通过对于不同市场综合股指收益率数据的实证研究表明,ARMAD-GARCH模型在数据除噪,趋势判别以及预测精确度等方面均优于一般的ARMA-GARCH模型.

关键词：股票价格预测、ARMAD-GARCH模型、微分信息

所属期刊栏目：36

分类号：F224.12(经济计算、经济数学方法)

资助基金：国家自然科学基金面上项目71371113;教育部人文社会科学研究项目13YJA790154National Natural Science Foundation of China71371113;Humanity and Social Science Foundation by the Ministry of Education of China13YJA790154

在线出版日期：2017-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1136-1145