股票指数的时间序列模型分析  

Stock Index Analysis Based on Time Series Models

作　　者：孙宏义[1] 陈平[2] 朱梅[3] 陈建丽[4] 

机构地区：[1]安徽工程科技学院应用数理系,安徽芜湖241000 [2]东南大学数学系,江苏南京210096 [3]北京大学数学科学学院,北京100871 [4]南京工业大学数学系,江苏南京210009

出　　处：《数学的实践与认识》2006年第8期52-58,共7页Mathematics in Practice and Theory

基　　金：安徽省高校青年教师科研基金(2006jql150);安徽工程科技学院青年基金(2004YQ010)

摘　　要：借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.In this paper, based on SAS software, we use Kalman filter and state space model to analyze Shanghai stock index. After analyzing the residual of fit and forecast, we find that the method is fairly good. Compared with traditional time series models ： ARIMA model, step- by-step autoregressive model, exponential-smoothing model, the result shows it is reliable to use state space model.

关 键 词：股票指数 时间序列 状态空间模型 KALMAN滤波 

分 类 号：F830.91[经济管理—金融学] F224