使用差分方法提高预测精度——基于中国沪深300股票指数的实证分析

• 作者: 阎可佳
• 来源期刊: 金融
• 学科: 经济
• 关键词: 时间序列 自相关性 预测模型 误差转换 预测精度
• 年，卷（期）: jr_2018,（1）
• 页码范围: 1-13
• 页数: 13页
• 分类号: F2

摘要

当AR、ARIMA、ARMA、MA模型被用来进行时间序列未来值的预测时,由于误差项很容易被忽略掉,所以预测精度受到很大的影响。为了提高预测的精度,本文提出使用差分方法(DF)来处理自相关模型(AR)的误差项。通过对中国沪深300指数(Hushen300)进行实证研究发现:第一,AR-DF模型比单纯AR模型大大提高了HUSHEN收益指数实际值与预测值之间的相关系数;第二,AR-DF模型所得到的误差值比单纯AR模型要小很多;第三,在滞后阶数达到700时,AR-DF模型对于股票收益指数涨跌趋势的命中率比单纯AR模型提高了25.30个百分点,从50.99%提高到了62.65%。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎可佳	澳大利亚格里菲斯大学商学院	1	0	0.0	0.0