关于时间序列预测模型的实证研究--基于美国标准普尔500金融指数  

作　　者：许佳琪 杜江[1] 郑强国[2] 

机构地区：[1]北京工业大学统计与数据科学学院 [2]北方工业大学经济管理学院

出　　处：《科学大众（科技创新）》2020年第11期274-275,共2页

摘　　要：受全球疫情蔓延的影响,世界经济面临着高度的不确定性。作为世界第一大经济体的美国因受疫情的冲击,经济增长受到重大影响。文章选取SPY 500的日收盘价作为研究数据,分别从序列水平和波动性两个角度,进行短期预测和波动性分析。结果显示:ARIMA模型对SPY 500日收盘价的短期预测值与实际值相对误差小,GARCH模型较好地拟合了股票价格,并估计出风险区间,希望能为短期投资者和股票决策者提供一定参考。

关 键 词：条件异方差时间序列 整合移动平均自回归模型 广义自回归条件异方差模型 

分 类 号：F83[经济管理—金融学]