股票本身沒有價值，但它可以當做商品出賣，并且有一定的價格。股票價格(Stock Price)又叫股票行市，是指股票在證券市場上買賣的價格。股票價格分為理論價格與市場價格。股票的理論價格不等于股票的市場價格，兩者甚至有相當大的差距。但是，股票的理論價格為預測股票市場價格的變動趨勢提供了重要的依據(jù)，也是股票市場價格形成的一個基礎性因素。以下是學習啦小編為大家精心準備的：中國農業(yè)銀行股票價格的統(tǒng)計分析及預測相關論文。內容僅供參考，歡迎閱讀!

　　中國農業(yè)銀行股票價格的統(tǒng)計分析及預測全文如下：

　　【摘 要】ARIMA模型與指數(shù)平滑法是統(tǒng)計應用中非常廣泛的兩種方法，他們可以用來對數(shù)據(jù)進行擬合并預測。本文對時間序列中的ARIMA與指數(shù)平滑法進行了比較，并運用這兩種方法對股票收盤價格進行預測，結果顯示ARIMA在近期預測中效果較好。

　　【關鍵詞】ARIMA模型;指數(shù)平滑法;股票價格;短期預測

　　預測已有漫長的歷史。我國古代人民用沙漏來預測時間，看見螞蟻上樹預示天即將下雨等，都是自覺和不自覺運用預測技術的一種體現(xiàn)。但在19世紀以前，人類對于這樣一類問題，往往根據(jù)個人的經驗、閱歷、學識和智慧，通過類比、分析和綜合的方法做出直觀判斷，即現(xiàn)在我們所說的定性預測。這些方法至今仍在采用，并繼續(xù)向理性化、系統(tǒng)化的方向發(fā)展，在一些缺乏定量信息和極端復雜的場合，仍有不可取代的作用。

　　但該方法主觀性較濃，同時也容易出錯。時間序列預測是通過對預測目標自身時間序列的處理來研究其變化趨勢的，即通過時間序列的歷史數(shù)據(jù)揭示現(xiàn)象隨時間變化的規(guī)律，并將這種規(guī)律延伸到未來若干年，從而對該數(shù)據(jù)的未來做出預測。時間序列作為20 世紀近代統(tǒng)計學的一個分支，現(xiàn)在已成為數(shù)學界、工程界和經濟學界應用最多、最廣的課題之一。

　　目前，對時間序列分析的方法主要有以下三種： 一是由Box 和Jenkins 提出的Box-Jenkins 遞推預報方法; 二是由Brock well 和Davis 以Hilbert 空間的基本理論和方法為基礎提出的射影預報方法; 三是最優(yōu)濾波理論。本文采用的ARIMA 模型即是Box 和Jenkins 提出的Box-Jenkins法中的一種預測模型。關于時間預測的軟件主要有SPSS 和Excel。其中SPSS 是社會經濟統(tǒng)計軟件包，在主成分分析上有著獨特的優(yōu)勢，但也能用來做經濟學的時間序列分析。本文主要采用SPSS19.0 做分析。

　　ARIMA ( Auto Regressive Integrated Moving Average)即自回歸求和滑動平均，其前身是ARMA 模型，是由美國統(tǒng)計學家Box和英國統(tǒng)計學家Jenkins 在20 世紀70 年代提出的時間序列模型，即自回歸滑動平均模型，用此模型所作的時間序列預測方法也稱Box-Jenkins( B-J) 法，ARIMA是Box-Jenkins方法中重要的預測模型，適于處理非平穩(wěn)時間序列。ARIMA是多個模型的混合，即自回歸，求和，和移動平均。ARIMA模型分為非季節(jié)性ARIMA模型和季節(jié)性ARIMA模型，即 模型和模型，兩者的區(qū)別在于后者在進行預測時考慮了季節(jié)周期的因素，更加適用于有季節(jié)性或周期性變動的數(shù)據(jù)。模型有三個參數(shù)(非季節(jié)性)，p是自回歸階數(shù)，d是差分項階數(shù)，q是移動平均的階數(shù)。

　　指數(shù)平滑法是在單一時間序列統(tǒng)計模型的基礎上進行預測的方法。指數(shù)平滑法分為一次指數(shù)平滑法和多次指數(shù)平滑法。指數(shù)平滑預測模型要用到平滑系數(shù)α，α值既代表模型對時間序列數(shù)據(jù)變化的反應速度，又決定了預測模型修勻誤差的能力。α值越大，則新數(shù)據(jù)占的比重就越大，最近一期的觀察值影響越大，預測就越依賴于近期信息。選擇的關鍵在于，使預測值與實際值之間的誤差最小，一般α值取在0 到1之間。

　　下面我們通過spss19.0軟件來處理。

　　在spss19.0中輸入原始數(shù)據(jù)并定義日期，也就是確定個案的起始日期。日期定義后，繪制原始序列的序列圖，從序列圖可以粗略觀察平穩(wěn)性。結果如下圖所示。

　　可以明顯看出是不平穩(wěn)的。

　　平穩(wěn)化處理。在SPSS中對原始序列進行差分處理來使序列平穩(wěn)化，從一階差分開始，每次差分都繪制序列圖和自相關圖，直到平穩(wěn)為止。則需預測→自相關，進行一階差分后如下圖：

　　可以看出已經是平穩(wěn)序列，作一階差分后的自相關圖和偏自相關圖如下圖所示：

　　序列平穩(wěn)后，開始模型的建立。由于我們確定了運用一次平滑后的曲線來分析，即進行一次差分，因此就確定了d值為1。由上圖自相關圖可以看出二階之后函數(shù)明顯趨于0，呈拖尾性，因此q=2，偏自相關圖在2階之后也趨于0，呈拖尾性，則p=0。于是選定模型(2，1，2)。

　　參數(shù)估計與診斷。對于已經建好的模型，觀察表模型參數(shù)，這里會給出估計值，標準差，t統(tǒng)計值。參數(shù)估計通過后，觀察殘差的自相關圖和偏自相關圖，如果值都在置信區(qū)間內，可以判斷殘差序列為白噪聲序列。說明建立的模型為比較理想的模型。

　　利用模型預測。分析→預測→應用模型，選取模型結果如下

　　表1 預測

　　至于指數(shù)平滑法，之前數(shù)據(jù)預處理部分與相同。分析→預測→應用模型，選取指數(shù)平滑法，得出結論。

　　表2 關于兩種觀測結果的比較

　　由此可看出由模型預測出來的結果更加適合，更加接近事實。

　　任何一種預測方法都是建立在一定的假定條件之上的，而任何一種假定條件都難以包括現(xiàn)實世界中所有復雜的關系，因而必須考慮適用條件，指數(shù)平滑法、ARIMA模型均適用于短期的擬合和預測ARIMA模型計算過程比指數(shù)平滑法復雜、繁瑣，但在短期內，其精度要高于指數(shù)平滑法。