基于马尔可夫链的股票价格波动预测
2021-11-19刘致谦
合作经济与科技 2021年24期
关键词:模型
□文/刘致谦
(西安财经大学统计学院 陕西·西安)
[提要]本文首先对股票价格历史数据进行预处理和分析;其次对预处理后的数据进行马氏性检验,结果显示数据符合马氏性,然后建立马尔可夫链模型;最后通过计算概率转移矩阵得出概率转移向量,进而达到对股票价格波动率区间的预测。预测结果显示:在正常情况下,用此模型预测的股票价格波动率区间与实际数据在短期内预测结果保持一致,但随着时间的推移预测结果稍有偏差。此外,马尔可夫链模型适用于短期的股票价格波动率预测,并且对以往数据依赖性极大。
一、前言
股票作为金融市场最重要的金融工具之一,预测其价格波动及用何种方法进行预测一直都是金融领域研究的焦点问题之一。股票市场是一个数据非常庞大且非常复杂的非线性系统,对其进行预测十分困难,部分学者认为股市预测不可行。但是,仍然有许多国内外学者和投资者采用不同的预测方法得到较好的预测结果。
多年来,相关研究者提出了各种预测方法,早期大部分学者主要采用回归分析法、自回归模型、移动平均自回归模型、差分自回归移动平均模型、VAR(向量自回归模型)等方法进行股票价格预测。但由于股票价格波动的剧烈性、非线性以及数据噪声的影响,导致这些方法无法准确地描述和刻画股票价格变化的内在规律。因此,为了改进传统线性模型的缺陷,更好地进行股票价格预测,又衍生出ARCH模型、GARCH模型、模糊神经网络、BP神经网络、随机森林、支持向量机和极限学习机等方法,预测精度有了较大程度的提高。……
登录APP查看全文
