基于ARIMA模型對恒生指數(shù)的實證分析

●祁筠超

基于ARIMA模型對恒生指數(shù)的實證分析

●祁筠超

恒生指數(shù)由恒生指數(shù)服務(wù)有限公司負責(zé)計算及發(fā)布，于1969年1月24日正式公開發(fā)布。其自推出以來,一直被廣泛視為香港股票市場乃至整個香港經(jīng)濟發(fā)展的指標(biāo)。而作為一個重要的離岸金融市場，香港的經(jīng)濟一直倍受關(guān)注。對此，文章選用經(jīng)典時間序列模型AR IMA模型對2012年5月1日起，到2014年5月31日共兩年105個周數(shù)據(jù),利用SAS軟件進行時間序列分析，并基于擬合結(jié)果ARIMA(0,2,1)對恒生指數(shù)進行進一步的短期預(yù)測，從而為進一步分析未來股市的發(fā)展變化提供依據(jù)。

ARIMA模型 恒生指數(shù)（HSI） SAS 實證分析

一、恒生指數(shù)

（一）恒生指數(shù)概念

恒生指數(shù)是以香港股票市場中的33家上市股票為成分股樣本，以其發(fā)行量為權(quán)數(shù)的加權(quán)平均股價指數(shù)。該指數(shù)由香港恒生銀行全資附屬的恒生指數(shù)服務(wù)有限公司編制并發(fā)布，于1969 年11月24日首次公開發(fā)布，基期為1964年7月31日，基期指數(shù)定為100。恒生指數(shù)是香港股市價格的重要指標(biāo)，指數(shù)共有若干只成份股（即藍籌股）市值計算出來的，代表了香港交易所所有上市公司的70%市值。

1985年1月2日，恒生指數(shù)增加4只分類指數(shù)，把33只成份股以行業(yè)分為4個分類：

恒生金融分類指數(shù)

恒生公用事業(yè)分類指數(shù)

恒生地產(chǎn)分類指數(shù)

恒生工商業(yè)分類指數(shù)

（二）計算方法

今日恒生指數(shù)的計算公式如下：

其中，

Current Index：現(xiàn)時指數(shù)

Yesterday's Closing Index：上日收市指數(shù)

P（t）：現(xiàn)時股價

P（t-1）：上日收市股價

IS：已發(fā)行股票數(shù)量

FAF：流通系數(shù)

CF：比重上限系數(shù)

四個分類指數(shù)的計算方法及公式與恒生指數(shù)相同。

（三）選股原則

恒生指數(shù)成份股的選取原則如下：

1.按股票市值大小選擇，必須屬于占聯(lián)交所所有上市普通股份總市值90%的排榜股票之列（市值指過去12個月的平均值）。

2.按成交額大小選擇，必須屬于占聯(lián)交所上市所有普通股份成交額90%的排榜股票之列（成交額乃指過去24個月的成交總額）。

3.必須在聯(lián)交所上市滿24個月以上。

根據(jù)以上標(biāo)準初選出合格股票后，再按以下準則最終選定樣本股：

（1）公司市值及成交額之排名。

（2）四個分類指數(shù)在恒生指數(shù)內(nèi)各占的比重需大體反映市場情況。

（3）公司在香港有龐大業(yè)務(wù)。

（4）公司的財政狀況。

二、ARIMA（p,d,q）的建立

（一）AR（p）模型

AR（p）模型稱為p階自回歸（auto regression）模型，其數(shù)學(xué)表達式如下：

其中，фp/0且隨即干擾序列{εt}為零均值白噪聲序列。AR （p）模型說明序列當(dāng)前值是由此前p項的序列值與當(dāng)前隨機干擾項共同影響形成的。

（二）MA（q）模型

MA（q）模型稱為q階移動平均（moving average）模型，其數(shù)學(xué)表達式如下：

其中，θq/0且隨即干擾序列{εt}為零均值白噪聲序列。MA （q）模型說明序列當(dāng)前值是由此前q項的隨即干擾項與當(dāng)前隨機干擾項共同影響形成的。

（三）ARMA（p，q）模型

ARMA（p,q）模型稱為自回歸移動平均（auto regression moving average）模型,其數(shù)學(xué)表達式如下：

事實上，AR（p）模型和MA（q）模型均為ARMA（p，q）模型的特例。ARMA（p，q）模型為AR（p）模型和MA（q）模型的有機結(jié)合。

（四）ARIMA（p，d，q）模型

ARIMA（p,d,q）模型稱為求和自回歸移動平均（autoregressive integrated moving average）模型,其數(shù)學(xué)表達式如下：

其中，Vd=（1-B），ф（B）為平穩(wěn)可逆ARMA（p,q）模型的自回歸系數(shù)多項式，θ（B）為平穩(wěn)可逆ARMA（p,q）模型的移動平滑系數(shù)多項式。

可以看出，ARIMA模型的實質(zhì)就是差分運算與ARMA模型的組合，故我們可以對差分平穩(wěn)序列進行ARMA擬合。

（五）ARIMA（p，d，q）模型的建立步驟

利用ARIMA模型對觀察序列建模遵循以下步驟：

1.獲得觀察值序列：本文采用恒生指數(shù)2012年5月1日－2014年5月31日，數(shù)據(jù)來自網(wǎng)絡(luò)。

2.判斷序列平穩(wěn)性：對原始數(shù)列做時序圖，直觀判定原序列平穩(wěn)性。

3.對原序列進行差分運算，并對差分后的序列做其自相關(guān)圖，進一步判斷平穩(wěn)性。

4.對平穩(wěn)差分序列進行白噪聲檢驗，確認差分序列還蘊涵不容忽視的相關(guān)信息可供提取。

5.對平穩(wěn)的非白噪聲差分序列擬合ARMA模型，根據(jù)序列自相關(guān)圖與偏自相關(guān)圖選擇合適的ARMA模型，利用條件最小二乘估計法進行估計。

6.根據(jù)AIC、SBC準則對擬合的ARMA模型進行優(yōu)化。

7.根據(jù)最終選定的ARMA模型進行短期預(yù)測。

三、對恒生指數(shù)的實證分析

（一）HSI原始數(shù)據(jù)的時序圖

利用SAS軟件gplot過程步做恒生指數(shù)周數(shù)據(jù)時序圖如下：

（二）對HSI原始數(shù)據(jù)做差分運算，并判斷其平穩(wěn)性對原始數(shù)據(jù)做二階差分，結(jié)果如下圖：

時序圖沒有明顯的非平穩(wěn)特征，進一步考察其自相關(guān)圖及偏自相關(guān)圖，結(jié)果如下：

差分序列自相關(guān)圖

根據(jù)自相關(guān)圖及偏自相關(guān)圖判定，差分后的序列平穩(wěn)，可以選取ARMA模型進行擬合。

根據(jù)自相關(guān)系數(shù)一階截尾，偏自相關(guān)系數(shù)拖尾的特點將模型定為MA（1）模型。

差分序列偏自相關(guān)圖

（三）利用條件最小二乘法擬合模型

利用條件最小二乘法擬合MA（1）模型，結(jié)果如下圖：

可以看出，模型整體顯著，可以較好地擬合原序列。

其最后模型為：

輸出結(jié)果顯示，序列的擬合模型為ARIMA（0,2,1）模型。

（四）利用AIC、SBC法則優(yōu)化模型

AIC、SBC法則是常用的判定模型優(yōu)劣的標(biāo)準，其數(shù)值越小，模型精確度越高，利用SAS軟件結(jié)果如下：

可以看出，MA（1）模型已為最優(yōu)模型。

（五）利用模型進行短期預(yù)測

利用模型做4期（未來一月）預(yù)測，結(jié)果如下：

四、結(jié)論

本文對恒生指數(shù)采用了時間序列分析法，以2012年5月1日到2014年5月31日的周恒生指數(shù)收盤價格為數(shù)據(jù)進行了實證研究，得出如下近似關(guān)系：

上式表明了各恒生指數(shù)間的定量關(guān)系，并可利用它對恒生指數(shù)進行短期預(yù)測，并為進一步分析未來股市的變化發(fā)展提供了借鑒。

［1］全福生，彭白玉.QUAN Fu-sheng.PENG Bai-yu ARMA模型在中國股市中的應(yīng)用.衡陽師范學(xué)院學(xué)報，2009（3）

［2］郭雪，王彥波.基于ARMA模型對滬市股票指數(shù)的預(yù)測.時代經(jīng)貿(mào)(學(xué)術(shù)版)，2006（z3）

［3］鄧軍，楊宣，王瑋，蔣喆慧.運用ARMA模型對股價預(yù)測的實證研究.企業(yè)導(dǎo)報，2010.6

［4］李民，鄒捷中，李俊平，梁建武.用ARMA模型預(yù)測深滬股市.長沙鐵道學(xué)院學(xué)報，2000（1）

［5］馮盼，曹顯兵.基于ARMA模型的股價分析與預(yù)測的實證研究.數(shù)學(xué)的實踐與認識，2011（22）

［6］邵麗娜.基于ARMA模型對招商銀行股票價格的預(yù)測.農(nóng)村經(jīng)濟與科技，2007（12）

［7］陳亦濤，陶利，徐亮亮.基于ARMA模型的上證指數(shù)分析.信息系統(tǒng)工程，2010（4）

（作者單位：湖南大學(xué) 湖南長沙 410079）

（責(zé)編：賈偉）

F830.91

A

1004-4914(2014)08-108-03