时间序列分析股票毕业论文

这是生产量消费量的折线图，完全看不出规律。

如果是按年份找两者之间的联系估计要画三维图。

Abstractnbsp;Datanbsp;miningnbsp;isnbsp;anbsp;databasenbsp;applicationnbsp;andnbsp;researchnbsp;ofnbsp;anbsp;newnbsp;area,nbsp;itsnbsp;objectivesnbsp;throughnbsp;thenbsp;analysisnbsp;ofnbsp;historicalnbsp;data,nbsp;statisticsnbsp;ofnbsp;interestnbsp;tonbsp;usersnbsp;ornbsp;valuablenbsp;information.nbsp;Innbsp;stocknbsp;tradingnbsp;business,nbsp;everynbsp;daynbsp;largenbsp;amountsnbsp;ofnbsp;datanbsp;intonbsp;thenbsp;datanbsp;warehouse,nbsp;thenbsp;datanbsp;onnbsp;ournbsp;understandingnbsp;ofnbsp;marketnbsp;trends,nbsp;makenbsp;thenbsp;rightnbsp;investmentnbsp;decision-makingnbsp;providesnbsp;anbsp;theoreticalnbsp;basisnbsp;fornbsp;research.nbsp;Withnbsp;timenbsp;seriesnbsp;analysisnbsp;ofnbsp;theorynbsp;andnbsp;researchnbsp;methodsnbsp;tonbsp;graduallynbsp;mature,nbsp;innbsp;thenbsp;stocknbsp;analysisnbsp;ofnbsp;thenbsp;forecastnbsp;ofnbsp;timenbsp;seriesnbsp;analysisnbsp;hasnbsp;becomenbsp;anbsp;practicalnbsp;significance.nbsp;Fromnbsp;thenbsp;perspectivenbsp;ofnbsp;applications,nbsp;datanbsp;miningnbsp;onnbsp;thenbsp;relatednbsp;concepts,nbsp;throughnbsp;thenbsp;time-seriesnbsp;datanbsp;analysisnbsp;andnbsp;processing,nbsp;designednbsp;tonbsp;achievenbsp;anbsp;stocknbsp;transactionnbsp;pricenbsp;forecastnbsp;fornbsp;thenbsp;objectivesnbsp;ofnbsp;thenbsp;intelligentnbsp;datanbsp;miningnbsp;system.nbsp;Thenbsp;systemnbsp;backgroundnbsp;SQLnbsp;Servernbsp;2005nbsp;usingnbsp;thenbsp;availablenbsp;time-seriesnbsp;datanbsp;fornbsp;thenbsp;pretreatment,nbsp;andnbsp;thennbsp;buildnbsp;onnbsp;thesenbsp;time-seriesnbsp;datanbsp;miningnbsp;model.nbsp;Outlooknbsp;fornbsp;thenbsp;usenbsp;ofnbsp;Cnbsp;#nbsp;languagenbsp;designnbsp;systemnbsp;interface,nbsp;usersnbsp;neednbsp;onlynbsp;anbsp;simplenbsp;operationnbsp;cannbsp;viewnbsp;thenbsp;timenbsp;seriesnbsp;miningnbsp;model,nbsp;andnbsp;usenbsp;thenbsp;modelnbsp;tonbsp;predictnbsp;thenbsp;stocknbsp;transactionnbsp;price.nbsp;Thisnbsp;studynbsp;proposednbsp;thenbsp;adoptionnbsp;ofnbsp;ournbsp;historynbsp;tonbsp;predictnbsp;thenbsp;futurenbsp;providenbsp;anbsp;favourablenbsp;environmentnbsp;fornbsp;evidence.nbsp;Keyword:nbsp;datanbsp;mining,nbsp;timenbsp;seriesnbsp;analysis;nbsp;Microsoftnbsp;timingnbsp;algorithm;nbsp;timenbsp;seriesnbsp;miningnbsp;model;nbsp;Stocknbsp;pricesnbsp;werenbsp;forecast;

经济增长股票市场论文

对股票市场和经济增长之间关系的研究是一个涉及面比较多的复杂问题。那么，经济增长如何促进股票市场呢？

一、变量的因果关系分析

(一)单位根检验

采用ADF法进行单位根检验。

检验结果中，AIC是信息秩统计量，用以确定检验模型采用的滞后阶数k，AIC值越小则采用的滞后阶数越理想。

通过检验，可知LGDP、LCAP、LVAL、LTURN几个变量水平序列不稳定，而其一阶差分序列在不同显著水平下拒绝含有单位根的假设，因此为典型的I(1)时间序列。

(二)协整检验

Engle和Granger指出，协整关系是指属于同阶非零单整的两个或两个以上时间序列尽管是非平稳序列，但如果它们的某个线形组合可能构成零阶单整序列，则认为两个变量序列之间存在协整关系。

从协整的定义中可以看出其经济意义所在，两个变量虽然具有各自的长期波动规律，但是如果它们是协整的，那么它们之间就存在着一个长期稳定的比例关系。

传统的计量经济学模型是从已认知的经济理论出发选取变量，回归残差往往是非平稳的，不能排除伪回归的现象，而协整理论提供了一个新的检验模型变量选取是否合适的方法。

协整检验的方法较多，本文采用EG检验。

二、我国股票市场不稳定性分解与经济增长在流动性

过剩和经济增长乏力的大背景下，全球经济显现出了从潜在的不确定性向现实的不稳定性逐渐转化的趋势。

而金融危机爆发的频率加快和强度增加，更成为全球经济发展中无法回避的不稳定因素。

因此，对于金融稳定的研究与探讨得到了包括学术界、业界等社会各界的高度重视。

而历次金融危机的爆发都与股票市场密切相关，所以对于股票市场发展的不稳定性研究也备受关注。

总体分析，影响股票市场发展的因素主要包括两个方面：一是股票市场自身的影响因素，包括市值、成交金额、上市公司盈利和分红等;二是来自于宏观经济变量以及相关的宏观经济政策，包括产出、投资、消费、货币政策和财政政策等。

学术界对于股票市场发展与宏观经济的关联研究主要集中于两个领域：首先，由于股票市场具有经济“晴雨表”之称，所以对于其与经济增长之间的关系一直是人们研究的重点;其次，货币政策逐渐成为熨平经济波动的主要宏观政策，而作为经济“晴雨表”的股票市场与其之间的直接以及间接关联研究也同样得到了学者们的关注。

三、结论与政策建议

(一)经济增长对股票市场发展有显著影响

根据研究结果，经济增长是影响股票市场发展的重要原因。

经济增长能提高股票市场的资本化率、提升股票市场收益率，同时能提升股票市场的交易率。

这些研究结论也符合相关的`经济理论。

经济发展有利于企业在股票市场上进行融资，这正是股票市场筹资功能的体现。

同时，由于经济发展，增加了居民资本增值的渠道，这为投资者进行资本市场的交易奠定了一定的基础。

经济的发展为股票市场的运行提供了良好的外部环境，使得股票市场的发展有一个较好的宏观经济基本面，这对投资者来说是一个比较好的预期。

(二)股票市场发展对经济增长的影响较弱。

在本文的实证检验中，交易率、筹资率对经济增长有明显的作用。

这主要是因为股票市场规模的扩大对经济增长会有明显的作用，加大股票市场的容量，增加了市场流动性;另一方面，股票市场筹资率在一定程度上对经济发展有重要的影响，它关系着个人、企业等市场主体在资本市场的融资规模以及能为经济发展提供的资金。

此外，股票市场发展的其他选取指标对经济增长会产生干扰作用，造成一定的负面影响。

可以通过适当的方法来发展股票市场，培育股票市场的竞争力，以促进经济的增长(万正晓等，2008)。

之所以出现这样的情况，主要是由于我国多数投资主体投资理念缺乏且股票市场不完善。

这样，股票市场资源配置功能弱化，不能提供合适的机制引导社会资金的合理流动。

同时，股票市场不能降低投资者的流动性风险及为投资者提供风险分散，也不能通过股价表现市场信息和配置资源，更不要谈对企业的监控职能。

因此，股票市场对经济增长的影响作用较弱。

四、结语

对股票市场和经济增长之间关系的研究是一个涉及面比较多的复杂问题。

本文对股票市场和经济增长之间关系仅作初步探讨。

在本文研究的基础上，进一步值得研究的方向是利用最新的数据，结合计量经济学方法，对股票市场和经济增长之间关系进行建模分析，探讨二者之间的数量模型;同时，还可以结合模型探讨影响二者之间关系的主要因素，探讨股票市场的微观作用机制对经济增长的影响，或者探讨股票市场的伦理性对经济发展的影响(战颖，2008)等问题。

***统计方法的应用

声明：本文中所有引用部分，如非特别说明，皆引自Time Series Analysis with Applications in R.接触时间序列分析才半年，尽力回答。如果回答有误，欢迎指出。对第一个问题，我们把它拆分成以下两个问题：Why stationary?（为何要平稳？）Why weak stationary?（为何弱平稳？）Why stationary?（为何要平稳？）每一个统计学问题，我们都需要对其先做一些基本假设。如在一元线性回归中（），我们要假设：①不相关且非随机（是固定值或当做已知）②独立同分布服从正态分布（均值为0，方差恒定）。在时间序列分析中，我们考虑了很多合理且可以简化问题的假设。而其中最重要的假设就是平稳。The basic idea of stationarity is that the probability laws that govern the behavior of the process do not change over time.平稳的基本思想是：时间序列的行为并不随时间改变。正因此，我们定义了两种平稳：Strict stationarity: A time series {} is said to be strictly stationary if the joint distribution of ,, · · ·, is the same as that of,, · · · ,for all choices of natural number n, all choices of time points ,, · · · , and all choices of time lag k.强平稳过程：对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同时，我们称其强平稳。Weak stationarity: A time series {} is said to be weakly (second-order, or co-variance) stationary if:① the mean function is constant over time, and② γ(t, t ? k) = γ(0, k) for all times t and lags k.弱平稳过程：当①均值函数是常数函数且②协方差函数仅与时间差相关，我们才称其为弱平稳。此时我们转到第二个问题：Why weak stationary?（为何弱平稳？）我们先来说说两种平稳的差别：两种平稳过程并没有包含关系，即弱平稳不一定是强平稳，强平稳也不一定是弱平稳。一方面，虽然看上去强平稳的要求好像比弱平稳强，但强平稳并不一定是弱平稳，因为其矩不一定存在。例子：{}独立服从柯西分布。{}是强平稳，但由于柯西分布期望与方差不存在，所以不是弱平稳。（之所以不存在是因为其并非绝对可积。）另一方面，弱平稳也不一定是强平稳，因为二阶矩性质并不能确定分布的性质。例子：,,互相独立。这是弱平稳却不是强平稳。知道了这些造成差别的根本原因后，我们也可以写出两者的一些联系：一阶矩和二阶矩存在时，强平稳过程是弱平稳过程。（条件可简化为二阶矩存在，因为）当联合分布服从多元正态分布时，两平稳过程等价。（多元正态分布的二阶矩可确定分布性质）而为什么用弱平稳而非强平稳，主要原因是：强平稳条件太强，无论是从理论上还是实际上。理论上，证明一个时间序列是强平稳的一般很难。正如定义所说，我们要比较，对于所有可能的n，所有可能的,, · · · , 和所有可能的k，当,, · · ·,的联合分布与,, · · · ,相同。当分布很复杂的时候，不仅很难比较所有可能性，也可能很难写出其联合分布函数。实际上，对于数据，我们也只能估算出它们均值和二阶矩，我们没法知道它们的分布。所以我们在以后的模型构建和预测上都是在用ACF，这些性质都和弱项和性质有关。而且，教我时间序列教授说过："General linear process(weak stationarity, linearity, causality) covers about 10% of the real data." ，如果考虑的是强平稳，我觉得可能连5%都没有了。对第二个问题：教授有天在审本科毕业论文，看到一个写金融的，用平稳时间序列去估计股票走势（真不知这老兄怎么想的）。当时教授就说：“金融领域很多东西之所以难以估计，就是因为其经常突变，根本就不是平稳的。”果不其然，论文最后实践阶段，对于股票选择的正确率在40%。连期望50%都不到（任意一点以后要么涨要么跌）。暑假里自己用了一些时间序列的方法企图开发程序性交易程序。刚开始收益率还好，越往后就越后面直接亏损了（是金字塔，第二列是利润率）亏损的图当时没截，现在也没法补了，程序都删了。所以应该和平稳没关系吧，毕竟我的做法也没假设是平稳的。如果平稳我就不会之后不盈利了。（吐槽）自己果然不适合做股票、期货什么的太高端理解不能以上