基于AR模型的上证A股指数回报率实证分析

作者简介：吴荣亮（1989.12-），男，汉，广西桂林，硕士，四川大学经济学院，研究方向：金融分析。

摘要：运用AR模型对上海A股指数回报率进行研究，通过时序图和DF平稳性检验的结果模型阶数，观察数据的自相关性和偏相关性，并建立相应的AR（p）模型，运用模型对未来的指数回报率进行预测。

关键词：AR模型；自相关性；偏相关性；模型预测

股市预测是许多投资者关注的焦点问题，要想在金融市场上投资，就必须时刻关注金融市场把握市场的走向。对时间序列进行分析，可以发现事物变化规律，预测失误未来发展趋势。在所有的预测模型中，自回归模型是作为预测的标杆，用来评价其他各类模型所做的预测效果是否精确。通常来说，可将常用的随机事序列分析方法分为两类：一是平稳时间序列分析；二是非平稳时间序列分析。平稳时间序列模型主要包括AR模型、MA模型、ARMA模型等；非平稳时间序列模型主要包括ARIMA模型和季节模型两大类。而AR模型、MA模型、ARMA模型可视为ARIMA模型的特例。

ARIMA模型是时间序列分析的基本模型，在经济预测过程中，既考虑了经济现象在时间序列上的依存性，也考虑了随机波动的干扰性，对经济运行短期趋势的预测精度较高。