基于時間序列模型的股票搭配方案策略研究

2021-11-24 10:12:59王賀

科學與生活 2021年18期

王賀

摘要：針對股票市場的波動性，建立并健全一套股票市場的分析預測體系成為了證券能夠平穩交易的關鍵。本文基于時間序列分析，建立了相關的ARMA模型和預測模型，從而提供給客戶更加合理的選股方案并結合國內市場具體情況提出了具體的建議和計算方法。

關鍵詞：股票、時間序列模型、ARMA模型、最佳方案

0 引言

股票作為一種憑證，一種所有權公認的憑證，所有的公司進行發行股票的目的都是為了給公司籌集資金，也提供給股民相應的報酬[1]。由于我國資本市場的發展和證券貿易額的增長，近年來對證券市場的投資有所增加。從而導致市場的價格急劇波動[4]，所以證券市場中市場價格是最重要的特性。因此，必須研究證券市場變動的規則性從而提供給相應投資者、監管機構、上市企業以相關的投資依據[2]。

1 時間序列模型準備

時間序列可分為三類：

（1）純隨機序列[5]：若隨機的一個時間序列具有其對應的零均值和方差，而且不存在序列相關，則稱該序列是一個純隨機過程

（2）穩態非白色噪聲序列：為了擬合這種序列，我們有一個成熟的模型來適合這個系列的開發，比如AR、MA、ARMA等。

（3）平穩序列：擬合這種序列的一般方法是根據穩定序列的擬合算法將其轉換為穩定序列。

時間系列分為絕對數以及相對數時間序列。在絕對數時間序列中，反映了某種現象的發生結果，即顯影過程的總量。增加了不同周期的觀測值，結果顯示了長期活動量的總量。在相對數時間序列中，數值元素反映了一個時間點的現象的瞬時水平，不能添加不同周期的觀測值，因為結果是無意義的。本文為保證結果的穩定性，使得樣本的數據保存下來，進行一些相關的缺失數據補全。

2 時間序列模型構建

本文根據發現2020年03月26日的開盤、最高、最低、收盤數據相同，因此我們需要補全當日的成交量，我們選用時間序列預測法，對2020年03月26日（周四）進行，這里選取股票abc001為例。

通過時間序列進行預測2020年03月26日（周四）的數據。預測結果如下圖1所示：

而后根據選取的股票相關數據得到最高、最低、開盤、收盤的價格和成交量繪制相關的K線圖，為后文的選股和投資進行前期的預處理工作。

3 合理選股方案和投資組合方案

對選取的若干股票進行分析，考慮幾種股票在市場中的交易狀況，再根據分析結果，給出客戶合理的選股和投資組合方案。可分為如下兩種情況：

1）天量無天價：是指在某一段時間內股票的成交量不斷創出歷史新高，但在與此同時，股票往往無法再次創造歷史新高，所以會導致股票價格一定要回調。

2）地量見地價：是指在成交量創出此輪行情的最低量時，股價（或大盤）也創出此輪行情新低，這是量減價跌的極端情況，此情況常出現在長期下跌末端，之后結束下跌轉而上漲概率大[3]。

由此得到最佳方案：

4 結論

針對股票搭配選股問題，本文構建股票分析的時間序列模型，并建立ARMA模型，從而得到參數估計并完成對數據的分析，最后得出合理的選股和投資組合方案。

參考文獻