基于ARIMA模型与神经网络模型的股价预测.pdfVIP

龙源期刊网

基于ARIMA模型与神经网络模型的股价预

测

作者：陈小玲

来源：《经济数学》2017年第04期

摘要了解并掌握股价运行的规律是许多投资者和学者所关注的领域，采用了ARIMA模

型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测，并对比了两模型的预

测精度，结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.

关键词股票价格；ARIMA模型；BP神经网络；预测

中图分类号F832文献标识码A

bymanyinvestorsandscholars.ThispaperadoptedtheARIMAmodelandBPneuralnetworkto

modelingandpredictionarmedonclosingpriceoftheBIDUandBABA.Besidescomparingthem

accordingtothepredictionaccuracy，theresultsshowthatthetwoforecastingmodelscanachieve

theidealpredictionprecisionandtheeffectofshort-termforecastingisfeasible.

Keywordsstock-price；ARIMAmodel；BPneuralnetwork；prediction

引1言

目前，股票投资成为许多人理财的方式之一，也有越来越多的学者投入到股市的分析与股

价的预测中.股票数据通常具有时间的先后性，可以认为是一种时间序列数据，具有显著的非

线性、时变性特征，人们对于股市的预测研究已经进行若干年，并提出许多的预测算法[1].

时间序列分析方法有很多，其中，目前应用最广泛的最常见的时间序列模型之一是

ARIMA模型，这是由于它的简单性、可行性和灵活性[2，3].另外，神经网络模型分析也是现

代金融时间序列分析的一个常见方法.目前，有关分别建立ARIMA模型和神经网络模型对时间

序列进行预测分析的文献并不少.熊志斌（2011）先利用ARIMA模型预测线性主体，再结合神

经网络预测主体的残差部分，并以人民币汇率序列为例，证实其模型预测的有效性[4].蒋燕

（2006）采用ARIMA模型对广西全社会固定资产投资额数据进行预测分析，得到较准确的预

测结果[5].马法尧（2014）通过以我国家电行业某企业年销售额为实例构建预测模型，表明BP

神经网络比ARMA模型的预测精度更高[6].樊重俊和樊鸿飞（2008）通过谈论了神经网络方法

和传统的统计预测方法的对比，说明了神经网络方法有助于提高精度[7].郝勇和刘继洲

（2006）运用BP神经网络，对公用事业指数波动规律进行预测和分析，达到预测精度较理想

的效果[8].

龙源期刊网

本文先探讨了ARIMA模型和BP神经网络模型在时间序列分析中的预测原理与应用，再

以百度（BIDU）、阿里巴巴（BABA）的收盘价作为股价的时间序列为实证，分别建立了

ARIMA模型和BP神经网络模型进行预测，并比较两种模型预测的精度，检验模型的有效性.

2ARIMA与BP神经网络模型简介

2.1ARIMA模型原理

将自回归模型的差分形式与移动平均模型结合，所得结果是一个ARIMA模型.它先对非平

稳的时间序列进行d阶差分来构造一个平稳的新序列，再对新序列进行自回归和移动平均拟

合，确定模型的阶数p和q，即对新序列建立ARMA（p，q）模型，通过模型诊断后进行预

测.ARIMA（p，d，q）模型的方程表示为：

2.2BP神经网络模型原理

神经网络，它是目前应用于经济和金融领域预测的比较广泛的神经网络BP.它将原始信息

输入到由一