ARIMA 模型-GARCH模型在股票中的应用文献综述

ARIMA和GARCH系列模型的混合方法在股票中的应用文献综述

摘要：股票市场在不断发展完善的过程中对国民经济既产生过积极的作用，也产生过消极的作用。如何能更好的利用股票市场对国民经济产生更积极的影响，是每个国家，社会，企业都在关注的问题。这对研究股票的理论与方法提出了更高的要求。迄今为止，世界各国经济金融方面的专家不断探索发现新的、更优的模型方法研究股票。这些模型要包括以ARIMA、GARCH等为代表的传统模型，和以人工神经网络（ANN），SVM，机器模拟为代表的新兴模型。这篇文章将从传统模型中选取一些模型进行股票研究，并对选取股票的数据进行处理与分析，对所得结果进行比较。

关键字：ARIMA模型；GARCH模型；股票研究；数据分析；结果比较；

一、文献综述

笔者在中国知网官方网站文献数据库中输入关键词“ARIMA模型，GARCH模型在金融中的应用”进行检索，并将文献的发表时间设为2010年到2021年，一共找到大约600篇包含所搜索关键词的中外文献。

若从所搜索到的文献整体分布来看，将所搜文献的发布时间以年为单位进行划分，结果表明每年发布的包含所搜关键词的文献数量比较接近，而且随年份的增加有很微弱的递加趋势，这表明，近代以来时间序列分析在金融的应用一直都是被关注的，且这种关注还在缓慢增加。如果从文献的语言研究，则结果表明与中文相关的文献占比很大，接近占总量的五分之四，外文约占五分之一。这些文献主要来源于一些著名期刊和高学历人才的研究论文。

若从文献内容观察，这些文献涉及到股票，基金，债券，黄金，房地产，期货等很多与金融紧密联系产品。研究者根据所研究的金融产品的分险系数的差异性不仅做了以ARIMA模型和GARCH模型为基础的混合研究，还应用了其他的模型，例如：ANN模型，SVM模型，SPM-QIML-QUANT模型等，分别与ARIMA模型和GARCH模型得到的结果进行比较。除了时间序列模型的选择与比较，还在数据处理过程中有较大差异性，比如：对数据的差分次数，对原始数据取对数后的处理次序，对所选模型的定阶，对参数的检验等。

（一）ARIMA（p,d,q)模型的简介与作用

ARIMA模型是金融中经常用到的处理平稳数据的模型之一，随着计算机技术的普及，差分过程不断的趋于精确，定阶更加精确与与方便，ARIMA模型在经济金融领域都有广泛的应用。ARIMA模型也在不断的扩展，完善，且在金融领域中常常不是单独被运用，而是与其他的一些模型（例如：GARCH模型，机器学习模型，GM模型等）相结合使用。