中国股市日内成交量序列建模及预测研究

• 作者: 李汉东 阎睿
• 来源期刊: 北京师范大学学报（自然科学版）
• 关键词: 日内成交量序列 ARMA模型 ARCH类模型 ARFIMA模型
• 年，卷（期）: 2013,（1）
• 页码范围: 85-89
• 语种: 中文

摘要

首先研究上证指数日内高频成交量时间序列的统计特征,包括平稳性、自相关和长记忆性,然后我们通过对剔除日内周期趋势的成交量序列建立ARMA模型,并分别结合ARCH类模型和ARFIMA模型消除模型的异方差和长记忆性.我们的实证分析结果表明在消除日内周期项、异方差和长记忆性后建立的时间序列模型比原始序列的时间序列模型有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李汉东	北京师范大学管理学院	36	365	10.0	18.0
2	阎睿	北京师范大学管理学院	1	1	1.0	1.0