查詢結果分析
來源資料
頁籤選單縮合
題 名 | 以單變量ARIMA模式預測金融商品股價趨勢之實證研究 |
---|---|
作 者 | 劉文祺; 洪瑩珊; 詹麗錦; | 書刊名 | 證券金融 |
卷 期 | 72 2002.01[民91.01] |
頁 次 | 頁81-128 |
分類號 | 563.54 |
關鍵詞 | 整合自我迴歸移動平均模型; 單根檢定; 自我相關函數; 定態; 隨機漫步; |
語 文 | 中文(Chinese) |
中文摘要 | Box & Jenkins 於1976年提出ARIMA模式,認為時間數列未來的變動會依其過去的資料型態而變動,且運用該模式進行預測時,時間數列的平均數與共變異數必須是固定不變的穩定過程,亦即資料達定態,其型態不隨時間而改變。 進行時間數列定態的檢定,常用的方法有自我相關函數ACF法及單根檢定法,本研究使用後者,但為彰顯單根檢定的優點,本研究亦取ACF法作為對照組加以比較。 對於一趨勢型的時間數列而言,差分是使其期望值穩定的基本方法,但在經濟或商業方面的資料,其變異數有時會呈現不穩定的趨勢,並非經由差分就能使其ARIMA(p,d,q)模型通過白噪音檢定,以往解決此問題的方法通常是將殘差配置成ARIMA(□,□)模型,再代入原數列之ARIMA(p,d,q)模型,進而得到修正後的模型,但有時會造成(p,q)階數過高,過度配適的缺點。為此,本研究乃先採用Box-Cox的變數轉換法,並撰寫Trial and Error電腦程式加速求得使得SSE最小的轉換參數,對數列資料進行轉換,以促進數列資料變異數之穩定化及漸近常態分配,之後再對離群值加以修正,使得模式能順利地通過白噪音檢定。 此外,為使單變量ARIMA模式之預測結果更具客觀性,本研究乃選定股價指數、匯率、美國債券殖利率、近月期貨及美國個股共34種金融商品作為研究的對象,並以84年1月至89年8月共68個月作為起始階段,進行模式的擬合,之後,再以89年9月至11月共3個月作為預測驗證階段,對模式之預測能力進行實證研究。經過嚴謹的實證研究後,在34檔金融商品中共計有26檔(佔76.5%)其MAPE值在10%以下,有8檔(佔23.5%)在10%至20%間,另外本研究亦取下一個月預測漲跌幅絕對值最大的25%作為投資組合,並依預測漲或跌進行買進持有或放空賣出的雙向投資,結果發現預測漲跌方向之平均正確率為0.7917,而平均的月報酬率亦達0.1071,因此整體而言,本研究所建構的ARIMA模式運用在金融商品股價趨勢之預測效果良好。 |
本系統中英文摘要資訊取自各篇刊載內容。