使用ARIMA通过用户友好的stats程序对股票价格进行建模和预测
有人能为我提供一些关于这方面的见解吗？
我来自功能磁共振成像研究背景，在那里我分析了大量的时间序列数据，我想通过以下方式分析股票价格(或回报)的时间序列: 1)对特定市场领域的成功股票进行建模，然后将这一历史上成功的股票的时间序列与其他较新股票的时间序列进行交叉关联，以寻找重要的关系；2)对股票的价格时间序列进行建模，并使用预测(例如，指数平滑)来预测其未来价值。我想使用非线性建模方法(ARIMA和ARCH)来做这件事。
几个问题: ARIMA和ARCH建模方法(假设实现它们的人准确地这样做)实际拟合它们所针对的股票时间序列数据的频率是多少，以及我可以期望的最佳拟合是什么？此模型对数据的拟合程度是否与其预测此股票时间序列的未来值的程度相称？
与其随机选择股票进行比较或建模，如果利润是我的目标，那么选择我要分析的股票的有效方法是什么？
在这方面，哪个stats程序最用户友好？
任何关于这个的想法都会很棒，对我来说会有很长的路要走。
谢谢，布赖恩
回答 4
Stack Overflow用户
发布于 2010-05-21 04:49:53
我赞同关于STATA的动议，因为它很容易学习。我在向量自回归时间序列模型领域做了一些工作。这对两个时间序列之间的相互作用进行了建模，是最近(20世纪80年代)研究多个时间序列的一种方法-特别是那些交互滞后的时间序列。STATA确实处理这种分析。
Stack Overflow用户
发布于 2010-05-16 12:45:35
如果你想要免费，那么R是你需要开始统计软件包的地方。
我认识的大多数经济学家要么使用Stata建模，要么使用Matlab建模。考虑到你想要学习曲线更小的东西，我推荐Stata。
Stack Overflow用户
发布于 2010-05-17 02:08:55
如果你想要强大的统计数据，那就去R吧。它有一个不平凡的学习曲线，但你会从投入一些时间的好处中获益。R是免费的，这是一个巨大的资产。
至于方法，你不同意股票价格已经包含了所有可以预测的信息吗？是什么阻止了市场纳入这些信息？此外，用一只股票的过去行为作为另一只股票未来行为的预测指标，这不就像比较苹果和橙子一样吗？
只是一次小小的打击。
https://stackoverflow.com/questions/2838382
复制相似问题
腾讯云开发者
