拟合garch模型及autoreg模型预测

《拟合garch模型及autoreg模型预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第五章SAS作业学号：200930980106姓名：何斌年级专业：10级统计1班指导老师：肖莉问题1：试选择恰当模型拟合某种股票的价格数据，数据如下：10.510.449.9410.25119.8810.51213.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.51921.520.2525.6326.8827.6323.8826.382424.381、利用拟合模型预测未来二期该股票的价格；2、按照书本相

2、应例题的格式完成问题，并附上SAS程序。解:1.1建立数据集，绘制时序图datagupiao;inputvalue@@;time=_n_;cards;10.510.449.9410.25119.8810.51213.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.51921.520.2525.6326.8827.6323.8826.382424.38;procgplotdata=gupiao;plotva

3、lue*time;symboli=joinv=starh=1ci=redcv=blackw=2;run;1.2输出时序图显示该序列非平稳。如图1-1所示。20图1-1股票价格序列的时序图1.3对该序列进行一阶差分运算,程序修改如下:datagupiao;inputvalue@@;difv=dif(value);time=_n_;cards;10.510.449.9410.25119.8810.51213.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1

4、314.7511.7515.2517.1320.51921.520.2525.6326.8827.6323.8826.382424.38;procgplotdata=gupiao;plotdifv*time;symboli=joinv=starh=1ci=redcv=blackw=2;procarima;identifyvar=value(1)minicp=(0:5)q=(0:5);run;201.4考查一阶差分后序列的平稳性。所得时序图如图1-2所示。图1-2序列difv的时序图时序图显示差分后序列difv没有明显

5、的非平稳特征。1.5序列difv的识别，如下图所示。20图1-3序列difv的自相关图、偏自相关图图1-4残差图图1-5最优模型选择识别部分的输出结果显示，1阶差分后，序列difv为平稳非白噪声序列，最优拟合模型为AR（4）模型。201.6“estimatep=4;”对序列difv拟合AR（4）模型。输出结果显示mu、AR1,1、AR1,2均不显著，修改估计命令如下：estimatep=（3,4）noint;拟合结果显示模型显著且参数显著。如图1-6所示。图1-6序列difv模型拟合结果输出结果显示，序列value的

6、拟合模型为ARIMA（（3，4），1,0）模型，模型口径为：∇vt=εt1+0.35423B3-0.54281B4或等价记为：Vt=Vt-1-0.35423Vt-3+0.89704Vt-4-0.54281Vt-5+εt(V表示股价价格)1.7“forecastlead=2id=time;”，利用拟合模型对序列Vt作2期预测。如图1-7所示。图1-737期、38期股票价格预测（Forecast值）201.8拟合图：2.SAS程序：datagupiao;inputvalue@@;difv=dif(value);time=

7、_n_;cards;10.510.449.9410.25119.8810.51213.9412.2512.6113.513.4412.4413.515.3915.7513.8814.515.516.1314.7511.7515.2517.1320.51921.520.2525.6326.8827.6323.8826.382424.38;procgplotdata=gupiao;plotdifv*time;symboli=joinv=starh=1ci=redcv=blackw=2;procarima;20identi

8、fyvar=value(1)minicp=(0:5)q=(0:5);estimatep=(3,4)noint;forecastlead=2id=timeout=results;run;procprint;run;procgplot;plotvalue*time=1forecast*time=2l95*time=3u95*time=3/overl