2017年12月第20卷第23期中国管理信息化悦hinaManagementInformationizationDec.袁2017Vol援20袁No援23改进的EGARCH-EWMA金融时间序列预测模型梅杰袁徐玲渊广西大学数学与信息科学学院袁南宁530004冤［摘要］基于时间序列建立的预测模型袁在实际中应用广泛遥针对EGRACH-EWMA模型在实际应用中存在的不足袁通过根据时间序列的波动性构造判断因子袁并将判断因子嵌入EGRACH-EWMA模型袁对EGARCH-EWMA模型进行了改进遥以上证指数和深圳指数为实例袁说明修正后的模型的可行性和有效性遥［关键词］EGARCH曰EWMA曰预测模型曰金融时间序列］F224［］A［中图分类号文献标识码doi:10.3969/j.issn.1673-0194.2017.23.063］1673-0194渊2017冤23-0116-05［文章编号员引咱员暂言遥员怨苑远年袁月燥曾和允藻灶噪蚤灶泽提出了自回归移动平均础袁建立了比粤砸悦匀的使用条件更加宽松的广义自回归条件方差渊郧粤砸悦匀冤模型咱源暂遥员怨怨猿年袁阅蚤灶早对郧粤砸悦匀模型进行改进袁打基于郧粤砸悦匀模型的思想不断得到发展袁其中值得一提的是指数广义自回归条件方差渊耘郧粤砸悦匀冤模型咱缘暂袁此模型由晕藻造泽燥灶于员怨怨员年提出遥耘郧粤砸悦匀模型解决了郧粤砸悦匀模型的一些缺陷即郧粤砸悦匀模型中对系数非负性的约束太强而导致条件方差的动预测员怨远愿年袁云藻造造藻则提出了随机游走理论可以用于金融序列的破了标准差幂参数被指定的特点袁给出了估计幂参数的方法遥渊粤砸酝粤冤模型和差分自回归移动平均渊粤砸陨酝粤冤模型咱圆暂袁分别用于预测线性平稳性质的时间序列和预测线性非平稳的时间序列遥数据的波动性是金融时间序列预测不可忽视的因素袁于是条件异方差渊粤砸悦匀冤模型咱猿暂遥月燥造造藻则泽造藻增在员怨愿远年以粤砸悦匀为基员怨愿圆年袁耘灶早造藻提出了比粤砸酝粤模型更符合时间序列波动的自.com.cn. All Rights Reserved.态性被过度地咱远暂遥研究表明咱苑-怨暂院使用耘郧粤砸悦匀模型对金融数据进行拟合袁效果很好遥但相对其他模型而言袁该模型对数据预测不是很理想遥指数移动平均渊耘宰酝粤冤方法在简单移动平均方法的基础上［收稿日期］2017-10-19［基金项目］广西研究生教育创新计划项目渊JGY2015007冤遥系袁通过学院尧班级袁利用奖助学金制度更好的帮助他们解决资金的需求袁摆脱生活上的窘困遥5结语野互联网垣冶是这个时代巨大的产业袁而互联网与金融信贷的结合袁更是推动了网贷在全社会的迅猛成长和全方位渗透遥校园信贷的飞速发展袁一方面满足了在校大学生提高生活水平和提前消费尧提前享受的愿望袁另一方面也在一定程度上刺激了社会消费遥但是袁校园贷市场鱼龙混杂袁不良平台层出不穷袁甚至在校园里大肆宣传袁而高校管理部门缺乏事前的宣传教育和防范预警机制袁并未能及时清理不良信息遥通过调研发现袁虽然广佛地区大学生使用校园贷的比重并不大袁但大部分学生对资金的需求仍较大袁潜在的借贷需求较高袁因此社会各界必须做好风险预防措施袁帮助学生树立正确的消费观念袁掌握理财的基础知识和能力袁从而增强其自我保护意识和能力遥同时为了让校园信贷平台的发展回归正轨袁发挥其在大学校园消费中的积极作用袁尧行业尧企业各方应加强合作袁完善内部监督和外部监督袁促进行业的健康发展袁从而扬长避短袁发挥校园贷在促进消费尧引导消费方面的积极作用袁实现在经济效益和社会效益上的双赢遥主要参考文献咱员暂亿恩网援消费心理学院从冲动消费看消费者的行为惯性咱耘月辕韵蕴暂援咱圆暂上海交通大学舆情研究实验室社会调查中心援圆园员缘年中国大学生消费行为与品牌认知调查报告咱EB/OL暂援中国社会科学网袁圆园员远-01-14.咱猿暂搜狐科技援购物中心男女性及各年龄层的消费心理特征咱耘月辕韵蕴暂援咱源暂奥菲传媒援中国移动互联网人群行为分析报告咱耘月辕韵蕴暂援http://www.donews.com/company/201601/2915709.shtm,2016-01-22.澡贼贼责院//www.sohu.com/a/30370630_240560,2015-09-02.澡贼贼责院//www.360doc.com/content/16/0308/21/37063_0602猿缘圆援泽澡贼皂造.116/CHINAMANAGEMENTINFORMATIONIZATION金融与投资提出袁主要克服了简单移动平均方法对数据采用等权重而导致的野幽灵效应冶这一缺陷遥虽然指数移动平均法是简单移动平均方法的改进袁但它也有自身的一些缺点咱员园暂院淤指数移动平均的预测能力很有限袁只在一步向前时才能很好的产生作用遥于到目前为止估计衰减因子依然是一个难题遥盂通常情况下衰减因子是随时间显著变化的袁所以在模型中使用常数衰减因子是不准确的遥另外耘郧粤砸悦匀模型在一定程度上弥补耘宰酝粤模型的缺点冥冥提供衰减因子的值袁这就使得耘宰酝粤模型在没有复杂化模型耘宰酝粤中衰减因子的定义袁故令姿=茁遥由于渊员冤是对ln渊滓t2冤建模袁即使参数估计值是负数袁条件方差滓t2仍然是正数遥因此袁耘郧粤砸悦匀模型不需要人为假设非负约束条件遥圆援圆耘宰酝粤模型指数移动平均方法是由允援孕援酝燥则早葬灶在其金融风险度量系统砸蚤泽噪酝藻贼则蚤糟泽中提出来的袁该模型对时间序列中的数据采取不等权重遥义为咱员缘暂院具体如下袁对于一个时间序列喳xi札的n期指数移动平均定2n-1t-3+噎+姿xt-nEWMAn=xt-1+姿xt-2+姿x1+姿+姿2+噎+姿n-1的情况下提高了耘宰酝粤模型预测的准确性和适应性遥刘轶芳等咱员员暂在耘宰酝粤和郧粤砸悦匀模型思想的基础上袁提出了二者联合使用的新的预测方法袁此方法的核心是用郧粤砸悦匀模型中的滞后系数来代替耘宰酝粤模型中的衰减因子袁主要依据是二者具有相同的经济学含义遥随后袁梁静溪等咱怨暂对上述模型进行了优化袁提出了耘郧粤砸悦匀原耘宰酝粤模型袁但这些文献的实证分析都在讨论大豆的期货价格袁说明了该模型的准确性袁但没有对其他方面进行测试遥股票价格时间序列是金融时间序列的一种袁所以本文以上证指数和深圳指数作为研究对象袁讨论在股票的应用袁而且修改了模型袁引入判断因子对耘郧粤砸悦匀原耘宰酝粤模型进行修正袁并基于修正的模型袁对上证指数和深圳指数的走势进行预测袁说明修正后的模型在股票预测的可行性遥圆金融时间序列模型耘宰酝粤模型需要一个系数对不同时间的数值赋予指数缩圆援员耘郧粤砸悦匀模型渊圆冤其中参数姿决定权重的分配袁称之为衰减因子袁它的取值在园到员之间遥当n寅肄时袁式渊圆冤分母收敛到1/渊1-姿冤袁因此袁有无限长过去历史时期的指数移动平均是咱员缘-员远暂院EWMA肄=渊1-姿冤移姿i-1xt-ii=1肄渊猿冤圆援猿金融时间序列的预测模型通过耘增蚤藻憎泽软件得到耘郧粤砸悦匀模型对数据的拟合袁得到.com.cn. All Rights Reserved.滞后因子茁袁令姿取茁的值袁代入耘宰酝粤模型进行股票实证分析遥实际上是分别将价格的波动幅度和价格的波动方差代入耘宰酝粤模型袁这样得到价格变化量的预测值遥赞t=滓n移姿蚤越员灶蚤原员小的权重即衰减因子袁但是耘宰酝粤模型的缺点是没有较好的方法确定衰减因子袁而耘郧砸粤悦匀模型估计出来的之后系数可以作为衰减因子遥并且通过数据拟合可以得到耘郧粤砸悦匀的参数袁耘蚤藻憎泽软件中有对应的函数库袁通过耘灾蚤藻憎泽命令可以快速求得模型的参数遥耘郧粤砸悦匀模型中的系数参数不受非负性这一条件的约束袁从而使条件方差具有更大的动态性遥其条件方差以对数形式表示咱员圆-员源暂赞t=i=1un移姿移姿i=1t-i赞贼冤2伊渊驻云原怎贼原蚤ni-1渊源冤i-1耘郧粤砸悦匀模型是在郧粤砸悦匀模型的基础上提出来的袁驻F=|Fk-Fk-1|k移姿i=1伊驻Fi-1渊缘冤渊远冤赞t为第贼日的股票价格的波动量的预测值曰姿i-1为第其中滓i-1日的衰减因子数值袁Ft为第贼日股票价格遥通过渊源冤尧渊缘冤尧渊远冤咱员圆暂式可对价格变化幅度进行预测遥院2ln渊滓t2冤=棕+茁ln渊滓t-1冤+酌ut-12+琢姨滓t-1其中滓t2为条件方差即第贼日的股票价格波动率袁棕为常数项袁它决定了波动性的长期平均水平袁滓t-1为上一期的预测方差即第贼原员日内的股票价格波动率袁ut-1为上一期的扰动项袁而琢为回报系数袁茁为滞后系数袁均为待估参数遥滞后系数茁反映下一日的波动率滓t2与前一日的波动率滓t-1的关联程度袁这正是22蓘|ut-1|-2滓姨t-1姨2仔蓡根据文献咱员圆暂的实证分析可以得知袁预测的股票价格可以渊员冤赞t表示为Ft=Ft-1+滓猿改进的金融时间序列模型上述预测模型有个缺陷袁即使用它进行预测时只能得到价格变化量的绝对值袁所以在进行预测时袁只是简单的在原来的价格上加上价格的变化量袁但Ft>Ft-1并非总成立遥鉴于此袁本文对原模型渊源冤进行了改进袁提出了如下金融时间序列模型遥CHINAMANAGEMENTINFORMATIONIZATION/117金融与投资赞贼云贼越云贼原员垣泽蚤早灶渊增冤滓灶蚤越员源预测模型的实证分析本文采用的样本数据为圆园员猿年上证指数和深圳指数全年赞贼冤j袁其中j=2m+1,m沂N遥而v=移姿蚤原员伊渊驻云原怎其中袁sign渊增冤越源援员数据来源及初期处理至于j的选取袁可以通过对已知数据的测试袁选取较合适的值遥经过改进后可以按照以下步骤进行预测数据袁首先采用拟合数据灶个袁对灶个数据进行平稳性检验袁再将灶个数据使用耘郧粤砸悦匀模型测定衰减因子遥嗓贼原蚤原员袁增约园员袁增跃园圆猿愿个交易日的股票数据和圆园员源年从一月份开始的源园个数的数据用作预测袁数据从同花顺软件中导出遥渊员冤圆园员猿年上证指数和深圳指数的统计性描述遥据遥其中圆园员猿年的数据用作模型的拟合袁以确定参数袁圆园员源年使用耘曾糟藻造做出圆园员猿年上证指数和深圳指数的走势图袁用耘增蚤藻憎愿分别做出上证指数和深圳指数收益率序列的波动图袁分别见图员袁图圆和图猿遥从图员可以看出圆园员猿年上证指数的价格波动较平缓袁而深圳指数波动的幅度较大遥从图圆和图猿可以看出袁圆园员猿年上证指数和深圳指数的收益率序列有明显的聚集性遥这里通过耘增蚤藻憎愿确定滞后因子茁的取值袁由于姿和茁具有相同的经济学意义袁所以姿可以取茁的值袁最后使用改进后的时间序列模型进行预测遥120001000080006000400020000上证指数深圳指数.com.cn. All Rights Reserved.图员圆园员猿年上证指数和深圳指数的走势0.040.02-0.02-0.04-0.06M1M2M3M4M5M62013RM7M8M9M10M11M120.00R图圆圆园员猿年上证指数收益率序列的波动图0.040.02-0.02-0.04-0.06M1M2M3M4M5M62013M7M8M9M10M11M120.00图猿圆园员猿年深圳指数收益率序列的波动图118/CHINAMANAGEMENTINFORMATIONIZATION金融与投资渊圆冤圆园员猿年上证指数收益率的平稳性检验遥以看出粤阅云检验值小于各显著水平临界值袁且犯第一类错误的概率小于园援园园园员袁说明不能拒绝上证指数收益率是平稳时间序列的原假设遥在使用耘郧粤砸悦匀模型前袁对数据的平稳性进行检验遥这里采用单位根检验袁单位根检验的结果见表员和表圆遥从结果可表员上证指数收益率序列的单位根检验t-StatisticProb.*Testcriticalvalues:AugmentedDickey-Fullerteststatistic1%level5%level-14.47693-3.457984-2.873596-2.5732700.000010%level表圆深圳指数收益率序列的单位根检验AugmentedDickey-FullerteststatisticTestcriticalvalues:1%level5%levelt-Statistic-14.50613-3.457984-2.873596-2.573270Prob.*0.000010%level源援圆衰减因子的确定模型测定衰减因子遥采用圆园员猿年上证指数圆猿愿个交易日数据袁使用耘郧粤砸悦匀这里用耘增蚤藻憎愿对收益率序列进行自回归分析袁测定上证指数和深圳指数价格的相关参数遥结果见表猿和表源遥表猿上证指数的耘郧粤砸悦匀拟合结果Std.Errorz-StatisticProb..com.cn. All Rights Reserved.Variable悦-0.000166-1.110506-0.085196-0.1660600.868727Coefficient悦渊圆冤悦渊猿冤悦渊源冤悦渊缘冤VariableCVarianceEquation0.00030.5303620.0837770.0687760.060867-0.258324-2.093863-1.016939-2.41449514.27258z-Statistic0.79620.03630.30920.01580.0000Prob.表源深圳指数的耘郧粤砸悦匀拟合结果CoefficientStd.Error-0.000320-1.3595-0.101857-0.082685-0.1398520.840196悦渊圆冤悦渊猿冤悦渊源冤悦渊缘冤悦渊远冤VarianceEquation0.0007100.4586610.0591970.0788530.0940560.052310-0.450075-2.9378-1.720655-1.048601-1.48691016.061880.65270.00300.08530.29440.13700.0000主要关注滞后因子茁的取值袁从表中可以看到上证指数的滞后因子茁1=0.868727袁深圳指数的滞后因子茁2=0.840196遥而由于滞后因子和衰减因子反映的都是下一日波动率与前一日波动率的关联程度袁二者具有相同的经济学含义袁所以这里姿可以取茁的值遥源援猿对上证指数的预测上文中已确定好了衰减因子袁通过渊源冤原渊远冤式可对价格变化幅度进行预测袁为简化过程袁修正后的结果只计算了两组袁均为预测圆园员源年一月份的源园个数据袁以此作为对比遥结果如图源和图缘所示遥CHINAMANAGEMENTINFORMATIONIZATION/119金融与投资2160214021202100208020602040202020001980真实值未修正j=1j=305101520253030图源上证指数的预测结果对比820080007800760074007200700005101520253030真实值未修正j=1j=3图缘深圳指数的预测结果对比从图中可以看出院修正后的预测值与真实值之间的平均绝对误差都比未修正的预测值要小袁从而说明修正后的模型更加的趋势做出判断袁而不是只给出变化的绝对量遥这样对投资者更具有指导意义遥另外袁在使用修正后的模型时袁可以根据已有的历史数据袁一部分用作拟合袁一部分来做预测袁然后根据预测结果与真实值之间的误差袁选择出最佳的判断因子的参数遥最终用最佳的判断因子做预测袁以达到更好的效果遥缘渊员冤使用耘郧粤砸悦匀模型对圆个指数进行数据的拟合袁得到渊圆冤在股票上应用耘郧粤砸悦匀原耘宰酝粤模型袁并用实证分析结论咱猿暂耘灶早造藻砸云援粤怎贼燥则早则藻泽泽蚤增藻悦燥灶凿蚤贼蚤燥灶葬造匀藻贼藻则燥泽糟藻凿葬泽贼蚤糟蚤贼赠憎蚤贼澡耘泽贼蚤皂葬贼燥则渊源冤院怨愿苑原员园园愿.燥枣贼澡藻灾葬则蚤葬灶糟藻燥枣哉灶蚤贼藻凿运蚤灶早凿燥皂陨灶枣造葬贼蚤燥灶咱允暂援耘糟燥灶燥皂藻贼则蚤糟葬袁员怨愿圆袁缘园准确袁更接近真实值遥更重要的是袁修正后的模型袁可以对未来.com.cn. All Rights Reserved.咱源暂月燥造造藻则泽造藻增栽援郧藻灶藻则葬造蚤扎藻凿粤怎贼燥则藻早则藻泽泽蚤增藻悦燥灶凿蚤贼蚤燥灶葬造匀藻贼藻则燥泽糟藻凿葬泽蚤贼蚤糟蚤贼赠咱缘暂酝organ允孕援砸蚤泽噪皂藻贼则蚤糟泽原贼藻糟澡灶蚤糟葬造D燥糟怎皂藻灶贼咱酝暂援酝燥则早葬灶郧怎葬则葬灶贼赠咱远暂王春峰援金融市场风险管理咱酝暂援天津院天津大学出版社援圆园园员院员猿员原员猿怨袁栽则怎泽贼悦燥皂责葬灶赠郧造燥遭葬造砸藻泽藻葬则糟澡袁员怨怨源袁远院员远苑原员愿苑援咱允暂援允燥怎则灶葬造燥枣耘糟燥灶燥皂蚤糟杂怎则增藻赠泽袁员怨怨猿袁苑渊源冤院猿园苑原猿远远援咱苑暂高欣宇袁余国新援对我国棉花期货价格预测的方法研究要要要基于耘郧粤砸悦匀原耘宰酝粤模型与粤砸陨酝粤模型比较咱允暂援价格理论与实践袁圆园员源渊员圆冤院愿缘原愿苑援衰减因子袁并且看到袁不同指数对应的衰减因子是有差异的遥这比人为取一个定值准确可靠遥咱愿暂夏明援基于耘郧粤砸悦匀原耘悦酝模型下的套期保值比率的计算及绩效分析咱阅暂援南京院南京理工大学袁圆园员猿援咱怨暂梁静溪袁邰银平援基于耘郧粤砸悦匀原耘宰酝粤模型的我国大豆期货价格预测咱允暂援科技与管理袁圆园员源渊圆冤院缘愿原远圆援咱员园暂悦则赠藻则允阅袁悦澡葬灶运杂援栽蚤皂藻杂藻则蚤藻泽粤灶葬造赠泽蚤泽院W蚤贼澡粤责责造蚤糟葬贼蚤燥灶泽蚤灶砸咱酝暂援咱员员暂刘轶芳袁迟国泰袁余方平袁等援基于郧粤砸悦匀原耘宰酝粤的期货价格预测模型咱允暂援哈尔滨工业大学学报袁圆园园远渊怨冤院员缘苑圆原员缘苑缘援证金随动调整模型咱允暂援中国管理科学袁圆园园缘渊猿冤院远原员源援型的分析咱允暂援管理世界袁圆园员圆渊员员冤援咱员圆暂刘轶芳袁迟国泰袁余方平援基于郧粤砸悦匀原耘宰酝粤原理的期货交易保咱员猿暂朱信凯袁韩磊袁曾晨晨援信息与农产品价格波动院基于耘郧粤砸悦匀模咱员源暂康凯援基于耘郧粤砸悦匀模型的沪深猿园园指数波动性及其收益率分布的研究咱允暂援市场周刊袁圆园员苑渊源冤院苑猿原苑源援大学袁圆园园缘援咱员缘暂刘轶芳援期货交易保证金随动调整模型研究咱阅暂援大连院大连理工咱员远暂王峰袁朱永忠援基于耘宰酝粤原郧粤砸悦匀渊员袁圆冤模型的灾葬砸应用研究咱允暂援重庆理工大学学报院自然科学版袁圆园员源渊员冤院员猿源原员猿愿援圆灶凿耘凿蚤贼蚤燥灶援NewYork袁NY院杂责则蚤灶早藻则袁圆园园愿援论证了该模型在股票预测上的可行性袁从而丰富了耘郧粤砸悦匀原耘宰酝粤模型的适用范围袁在一定程度上证明了耘郧粤砸悦匀原耘宰酝粤模型的合理性遥渊猿冤在原有耘郧粤砸悦匀原耘宰酝粤模型的基础上袁对模型进行了改进袁引入判断因子能对未来的走势给出预测袁并且降低了预测结果的平均相对误差袁对投资者更具实践价值遥主要参考文献咱员暂阅怎则则藻贼贼砸袁运藻泽贼藻灶匀援砸葬灶凿燥皂宰葬造噪泽袁月则燥憎灶蚤葬灶酝燥贼蚤燥灶葬灶凿陨灶贼藻则葬糟贼蚤灶早咱圆暂月燥曾郧袁允藻灶噪蚤灶泽郧援栽蚤皂藻杂藻则蚤藻泽粤灶葬造赠泽蚤泽院云燥则藻糟葬泽贼蚤灶早葬灶凿悦燥灶贼则燥造咱酝暂援杂葬灶云则葬灶糟蚤泽糟燥院匀燥造凿藻灶原阅葬赠袁员怨苑远院圆原员员.孕葬则贼蚤糟造藻杂赠泽贼藻皂泽咱酝暂援杂憎蚤贼扎藻则造葬灶凿院月则蚤噪澡葬怎泽藻则灾藻则造葬早粤郧袁员怨怨员院圆苑原猿远援120/CHINAMANAGEMENTINFORMATIONIZATION
