ARIMA模型和AR-GARCH模型的应用研究--以国际期货黄金市场为例
| 摘要 | 第5-6页 |
| Abstrast | 第6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-12页 |
| 1.2 文章框架结构 | 第12-13页 |
| 2 时间序列分析模型的相关理论 | 第13-24页 |
| 2.1 ARIMA(p，d，q)模型 | 第13-16页 |
| 2.1.1 自回归模型 | 第14-15页 |
| 2.1.2 滑动平均模型 | 第15页 |
| 2.1.3 自回归一滑动平均模型 | 第15-16页 |
| 2.2 ARIMA模型的优缺点 | 第16页 |
| 2.3 ARIMA模型的建模过程 | 第16-19页 |
| 2.4 AR-GARCH模型 | 第19-22页 |
| 2.5 AR-GARCH模型的优缺点 | 第22页 |
| 2.6 AR-GARCH模型的构建 | 第22-24页 |
| 3 实证分析 | 第24-46页 |
| 3.1 数据概况 | 第24页 |
| 3.2 数据来源与预处理 | 第24-25页 |
| 3.3 对美黄金连续的实证分析 | 第25-34页 |
| 3.3.1 平稳性检验 | 第25-27页 |
| 3.3.2 数据的描述性统计分析 | 第27页 |
| 3.3.3 正态性检验 | 第27-28页 |
| 3.3.4 白噪声检验 | 第28页 |
| 3.3.5 建立ARIMA模型 | 第28-31页 |
| 3.3.6 残差序列自相关和异方差性检验 | 第31-33页 |
| 3.3.7 建立AR-GARCH模型 | 第33-34页 |
| 3.4 对美黄金1204的实证分析 | 第34-44页 |
| 3.4.1 平稳性检验 | 第34-36页 |
| 3.4.2 数据的描述性统计分析 | 第36-37页 |
| 3.4.3 正态性检验: | 第37页 |
| 3.4.4 白噪声检验 | 第37-38页 |
| 3.4.5 建立ARIMA模型 | 第38-40页 |
| 3.4.6 残差序列自相关和异方差性检验 | 第40-42页 |
| 3.4.7 建立AR-GARCH模型 | 第42-44页 |
| 3.5 两种模型的预测效果对比分析 | 第44-46页 |
| 4、结论与不足 | 第46-47页 |
| 参考文献 | 第47-48页 |
| 致谢 | 第48-49页 |
| 附录 | 第49-72页 |
