登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于GARCH模型和BP神经网络模型的股票价格预测实证分析
  • 摘要

    采用GARCH模型和BP神经网络模型,利用上海A股30支股票(6类,每类各5支)2015年6月29日至2017年6月30日的日收盘价,分别进行短期(2017年7月3日至7日)、中期(2017年8月14日至18日)和长期(2017年9月25日至29日)预测.结果表明:在短期预测中,无论是否考虑当日价格波动对预测结果的影响,2个模型的每日与一周总体预测效果的差异均不具有统计学意义(P>0.05);在中期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P<0.01),不考虑当日价格波动时每日预测效果的差异具有统计学意义(0.01< P< 0.05),考虑价格波动时每日预测中有3日预测效果的差异不具有统计学意义(P>0.05),有2日预测效果的差异具有统计学意义(0.01<P<0.05);在长期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P<0.01),每日预测效果的差异不具有统计学意义(P>0.05);随着预测周期的延后,预测误差逐渐增大.

  • 作者

    崔文喆  李宝毅  于德胜  CUI Wenzhe  LI Baoyi  YU Desheng 

  • 作者单位

    天津师范大学数学科学学院,天津,300387

  • 刊期

    2019年5期 PKU

  • 关键词

    股价预测  收盘价  GARCH模型  BP神经网络模型  MATLAB 

相似文献 查看更多>>
3.226.243.36