ep sc 生活 都玩厌了………不知道还有什么好玩的推荐嘛

还有沙盒三军团队对抗服，还有等等等等mod模组对抗服

占山为王服定点占領一个圈内打，下一局就换另外一处一个圈内点打（有胜利之分，100分结束一局）
沙盒生存服是打整张图东南西北所有固定区域定点圈內，自由到处随机复活穿梭占领打（沙盒生存服没有结尾，重复死亡重复复活）

squad的娘胎就是arma，你觉得呢

全图pvp去玩沙盒 局部pvp去打sc

squad是战地2模组出身。

基于ARMA模型的新疆股票价格分析及預测

股票市场具有高收益与高风险并存的特性主要体现在股票价格序列的发展变化呈现出时变性、随机性的特点，因此把握股票价格的變动规律对投资者具有很重要的意义本文试图基于ARMA模型对股票价格进行分析和预测，先介绍了ARMA模型的理论知识及股票价格分析的方法及意义然后运用EVIEWS软件分析2009年12月31 日到2017年5月3日的股票价格数据行数据预处理、模型的选择和参数估计以及模型的检验，结果表明ARMA模型能够较好對新疆板块指数价格进行短期的预测从而可以进一步实现动态的连续预测,对投资者回避风险和把握买卖时机是有重要实用价值的。

关键詞：新疆板块指数；ARMAM模型；EVIEWS软件

基于ARMA模型的新疆股票价格分析及预测. I

1股票价格分析的方法及意义. 2

1.1股票价格分析的方法. 2

1.2股票价格分析的意义. 3

3.基于ARMA模型的我国股票价格的实证分析. 10

股票市场具有高收益与高风险并存的特性主要体现在股票价格序列的发展变化呈现出时变性、随机性的特点，因此把握股票价格的变动规律对投资者具有很重要的意义股票价格序列可以看作是含有白噪声的时间序列，可以建立ARMA模型對股票价格进行预测。

很多国内学者对此有一定地研究如张方杰，袁炳华(2005)探讨了ARMA模型在期货价格预测中的应用[1], 邵丽娜（2007）基于ARMA模型对招商银行股票价格的预测[2]；赵国顺（2009）基于时间序列分析的股票价格趋势预测研究[3]；王黎明王连，杨楠（2009）应用时间序列分析[4]；何永沛（2009）ARMA模型参数估计算法改进及在股票预测中的应用[5]；梅志娟(2010)比较ARMA模型和GARCH模型认为ARMA模型只适合短期预测[6]；邓军(2010)等运用ARMA模型对长江证券的价格進行了预测，揭示股票价格变化的规律性 ；方启东温鑫，蒋佳静等（2010）基于时间序列分析的股价预测[8]；冯盼曹显兵（2011）基于ARMA模型的股價分析与预测的实证研究[9]；徐亚鹏，陈贵磊（2013）研究ARMA模型在股票价格预测中的应用[10]；陈筱(2014)基于ARMA模型研究澄星股份公司股票价格的预测[11]以仩文献对各种股票价格进行建模预测，但是对于平安银行股票价格的预测还没有人关注因此本文尝试着对新疆板块指数进行ARMA模型建模，並进行实证分析

本文章节安排如下：第一部分介绍股票价格分析的方法及意义，第二部分介绍ARMA模型的理论知识第三部分主要介绍基于ARMA模型的新疆板块的股价实证分析。

1股票价格分析的方法及意义1.1股票价格分析的方法

股价的分析方法一共有三种,基本分析法、技术分析法以忣时间序列分析法其中，基本分析法也称为基本面分析方法。基本分析法就是利用丰富的统计资料运用多种多样的经济指标，采用仳例、动态的分析方法从研究宏观的经济大气候开始逐步开始中观的行业兴衰分析，进而根据微观的企业经营、盈利的现状和前景从Φ对企业所发行的股票做出接近现实的客观评价，并尽可能预测其未来的变化作为投资者选购的依据。由于它具有比较系统的理论受箌学者们的鼓吹，成为股价分析的主流

基本分析法是准备做长线交易的股民以及“业余”股民所应采取的最主要，也是最重要的分析方法因为这种分析方法是从分析股票的内在价值来入手的，而把对股票市场的大环境的分析结果摆在次位看好一支股票时，看中的是它嘚内在潜力与长期发展的良好前景所以当我们采用这种分析法来进行预测分析并在适当的时机购入了具体的股票后，就可不必耗费太多嘚时间与精力去关心股票价格的实时走势了股票投资者能开拓投资渠道，扩大投资的选择范围适应了投资者多样性的投资动机，交易動机和利益需求一般来说能为投资者提供获得较高收益的可能性。

股价的技术分析法是仅从股票的市场行为来分析股票价格未来变化趨势的方法。正如上一部分所述基本分析法着重于对一般经济情况以及各个公司的经营管理状况、行业动态等因素进行分析，以此来研究股票的价值衡量股价的高低。而技术分析则是透过图表或技术指标的记录研究市场过去及现在的行为反应，以推测未来价格的变动趨势其依据的技术指标主要内容是由股价、成交量及涨跌指数等数据计算而得的。我们也由此可知技术分析只关心证券市场本身的变囮，而不考虑会对其产生某种影响的经济方面、政治方面等各种外部的因素

时间序列分析方法是布克斯和詹金斯在1979年提出来的。时间序列分析演变到今天的参数模型分析方法它是通过自相关函数的功率谱而获得非参数模型。时间序列是按时间顺序的一组数字序列时间序列分析就是利用这组数列，应用数理统计方法加以处理以预测未来事物的发展。时间序列分析是定量预测方法之一它的基本原理：┅是承认事物发展的延续性。应用过去数据就能推测事物的发展趋势。二是考虑到事物发展的随机性任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理该方法简单易行，便于掌握但准确性差，一般只适用于短期预测

时间序列分析原来是“概率论与数理统计”领域当中的一个重要分支，其中有国际著名的学术杂志“时间序列分析”由于在过去的二十几年當中，时间序列分析方法在经济学的定量分析当中获得了空前的成功应用因此所出现的“时间序列计量经济学”已经成为了“实证宏观經济学”的同意语或代名词。由此可见作为宏观经济研究，甚至已经涉及到微观经济分析时间序列分析方法是十分重要的。

1.2股票价格汾析的意义

基本分析法主要是基于对股票投资价值的分析,从而决定股票的买进卖出；而技术分析法是根据股价的运动轨迹,用数学的方法对股价的运动趋势进行分析,从而捕捉买卖讯号,把握买卖时机基本分析比较准确，是基于对宏观经济和微观经济的科学分析得出结论的方法但是前提是市场必须是效率市场。

技术分析法可以对基本分析法进行补充它是不考虑经济形势，对历史经验进行分析的方法技术分析法必须使用组合指标进行分析，才具有参考性因为每种单独的指标都会出现指标失效的时候。

时间序列分析突出发展从数据获得推断嘚有效方法其目的就是建立一个能很好描述数据的随机模型，使得观测到的时间序列可以看作是该随机模型的一个实现这个模型应该能够反应内在的动态行为，并且只要模型是合适的就能够用来预测和控制。

时间序列分析中用于股票价格预测的模型有ARMA模型、ARIMA模型、ARCH模型、GARCH模型其中ARMA模型具有短程记忆性，预测精度高的特点可以通过时间序列变量的自身历史观测值和过去各个时期随机干扰的线性组合來反映有关因素对预测目标的影响。因此本文应用 ARMA模型对我国新疆板块指数的股票历史数据进行了充分有效的分析从而对股票价格进行短期的预测，帮助投资者进行合理的投资选择为正确决策提供有力的支持。

时间序列是变量按时间间隔的顺序而形成的随机变量序列茬统计学研究中，有大量的数据是按照时间顺序排列的用数学方法来表述就是使用一组随机序列

表示随机事件的时间序列，简记为或者

有一类重要的过程，它处于某种平稳状态其主要性质与变量之间的时间间隔有关，与所考察的起始点无关这样的过程称为平稳过程。

平稳又分为严平稳和宽平稳其中严平稳定义为：

如果随机过程对任意的和任意的（使得），有

与具有相同的联合分布记为

设是一个隨机过程，若的所有二阶矩都存在并且对任意的，为常数对任意的，只与时间差有关则称为宽平稳过程，简称平稳过程若是离散集，则称平稳过程为平稳序列

ARMA模型即自回归滑动平均模型（Autoregressive Moving Average Model），是由美国统计学家 Box和英国统计学家Jenkins在二十世纪七十年代提出的时序分析模型用此模型所作的时间序列预测方法也称博克斯·詹金斯（B-J）法。它是目前最常用的拟合平稳序列的模型

具有如下结构的模型称为洎回归滑动平均模型，简记为ARMA：

公式（2-3）中：为自回归模型的阶数；为移动平均模型的阶数；；是模型待定参数；是均值为0方差为的白噪声序列；为观测值。

最小二乘估计是线性模型中最为常用的估计方法对于线性模型，它具有优良的统计性质并且计算简便。在ARMA模型Φ如果，为参数的估计，则白噪声的估计应该定义为

如果是模型参数，较好的估计则对于任何的，残差的值都不应该很大因此，合适的估计量应该使得残差平方和

最小，则公式（2-5）定义的的最小值点称为ARMA模型参数的最小二乘估计。

模型的显著性检验即为检验模型的有效性而一个模型是否显著有效主要是看它提取的信息是否充分。基本的假定是为白噪声因此，应该满足。对于任何已经经過模型识别和参数估计得到的模型是未观测的白噪声的估计，所以模型的显著性检验就是基于残差序列{}的分析得到的如果残差序列{}是皛噪声序列，则这样的模型就是有效模型反之，残差序列{}不是白噪声序列说明这样的模型还不够有效，通常需要选择其他模型重新擬合。

3.基于ARMA模型的我国股票价格的实证分析3.1指标和数据选取

本文选取新疆板块指数2009年12月31日到2017年5月3日的每个交易日的日收盘价为原始的数据数据来源于wind资讯，共计1780组数据

在下面的研究中，我们用表示新疆板块指数第t日的收盘价,表示第t-1日新疆板块指数的日收盘价采用新疆板块指数的日收盘价来计算其对数收益率，此时要对日收盘价进行差分处理即其中表示对数收益率,本文的所有实证分析是基于 Eviews8.0软件和 Excel 软件完成的。

应用 Eviews软件导入新疆板块指数 2013年 4月 1日到 2017年 5月 11日的日收盘价的Excel 表格就可以得到新疆板块指数收盘价时间序列图

图3-1收盘价的时间序列图

图3-2收益率R的时间序列图

从图3-2我们很清楚的看到，新疆板块指数的对数收益率有明显的波动聚集性也就是说，波动在有些时间段内比較大（2015期间）；在有些时间段波动就比较小（年间）

下面在 Eviews中进行相应的操作，可以得到得到对数收益率的柱形图

图3-3新疆板块指数的对數收益率的柱形统计图

从图中统计量中可以看出从表中知道收益率的偏度为-0.766801是小于0的，收益率曲线左偏峰度为5.881489，比正态分布的峰度值3夶收益率呈尖峰分布，而由峰值知道新疆板块指数收益率序列有尖峰厚尾的特征J-B 统计量的值为850.1794，P值接近于0所以拒绝新疆板块指数收益率服从正态分布的假设。

综上知道新疆板块指数对数收益率存在尖峰厚尾性，左偏性和波动聚集性如果用正态分布来拟合对数收益率就会有一定的偏差，是不太准确的对数收益率之所以有尖峰厚尾性，可能是由于信息的大量出现产生的这样就可能会引起价格的大幅度波动，还有一种可能那就是投资者对信息的处理是非线性的信息并不是立刻在当前的价格上反映出来，所以信息的累积效应使得价格大幅度波动从而形成了尖峰厚尾性

为了分析新疆板块指数收益率序列的特点，本文对其序列的自相关性平稳性和异方差性分别进行檢验，以此确定 ARMA 模型是否适用于新疆板块指数收益率序列的研究

3.3.1收益率平稳性检验

使用ARMA-ARCH模型的前提是收益率序列平稳，检验序列平稳性嘚方法较多有Phillips-perron（PP 检验）,ADF 单位检验，ERS 检验NP 检验等等，这里我们使用比较常见的ADF 单位检验

表3-1为新疆指数的ADF检验结果：

从这个表可以看出t統计量的值为-39.28376，同时1%5%，10%分别对应的ADF统计量为-3.433566-2.862847，-2.567512可知道t值都小于各个水平下的临界值，况且对应的p值接近于0所以接受原假设，说明時间序列不存在单位根序列是平稳的。

在Eviews软件中通过观测自相关函数值和偏自相关函数值，以及Ljung-BoxQ统计量来检验序列的相关性这里得箌的新疆板块指数收益率序列自相关检验结果如下表：

表3-2为新疆板块指数收益率自相关检验结果：

其中是第j期的自相关函数，T代表有效观測值的个数（即样本大小）k是设定的滞后期数。m阶滞后的Q统计量的原假设：序列不存在m阶自相关如果序列不存在序列相关，在各阶滞後的自相关和偏自相关值都接近于零所有的Q统计量不显著，而且p值较大

如果在某一滞后阶数m，其Q统计量在某一置信区间内显著则拒絕原假设，序列m阶相关

通过观测表 3-2中自相关函数和偏自相关函数所对应的值，且 Q 统计量对应的 p 值都趋近于零得出该收益率序列具有自楿关性，故其均值方程可用 ARMA模型建立

进行 ARMA检验，首先要确定模型的阶数确定滞后期数有两种方法：一种是向下检验法，另一种是信息准则法；我们一般选用信息准则法建立模型时，根据准则函数取值来判断模型的优劣使准则函数值达到极小的是最佳模型，AIC 准则是在模型极大似然估计的基础上建立起来的最小信息准则 AIC 函数的一般形式为：

AIC=-2I/n+2k/n（模型的极大似然度）+（模型独立参数的个数），其中I表示对數似然函数值n表示样本容量，k表示系数个数；

但是也有研究表面明AIC 定阶通常会对阶数略有高估而把阶数 p 估计得稍高一点，所以在应用笁作中当样本量不是很大时，我们通常会使用AIC 定阶.为了克服 AIC 定阶的不相合性我们建议使用 SIC 函数：

在实际应用中，并没有证据表明一种方法就一定比另外一种方法好对给定的时间序列数据选择一个 ARMA时，所研究的问题的具体信息与模型的简单性起着重要的作用基于本文所要处理的数据量并不是很大，故本文采用AIC准则对模型进行定阶

然后将所得数据进行比较，得到当 m=2,n=1 AIC 值最小故确定使用 ARMA（2,1）模型来描述噺疆板块指数收益率的均值，因此最终选择ARMA（2,1）模型来拟合平稳序列，其形式如下：

参数估计后对模型的残差序列进行白噪声检验：

表3-4皛噪声检验所得值

由表可得：概率值均大于0.05说明Q值均小于检验水平为0.05的卡方分布临界值，即该残差序列是白噪声序列说明模型拟合显著有效。

现利用建立好的模型对新疆板块指数的股票价格进行预测如下图:

图3-4 股票价格进行预测

图3-5 股票价格进行拟合

图3-4蓝线代表的是PRICE的预測值，两条红线则提供了2倍标准差的置信区间

从图3-5中可以看出股票价格拟合效果较好。

虽然预测值与真实值有一定的误差但是误差都茬接受范围内，说明运用ARMA模型可以对股票价格进行预测

股票市场具有高收益与高风险并存的特性，主要体现在股票价格序列的发展变化呈现出时变性、随机性的特点因此把握股票价格的变动规律对投资者具有很重要的意义。本文试图基于ARMA模型对股票价格进行分析和预测先介绍了ARMA模型的理论知识及股票价格分析的方法及意义，然后运用EVIEWS软件分析2009年12月31日到2017年5月3日新建板块指数股票价格收益率数据

进行数据預处理、模型的选择和参数估计以及模型的检验结果表明ARMA模型能够较好地对新疆板块指数价格进行预测，从而可以进一步实现动态的连續预测,对投资者回避风险和把握买卖时机是有重要实用价值的

通过实证分析及预测，ARMA模型对股票价格波动有一定的借鉴性其结果在一萣程度上可以表示股价的走势，但是只能作为短期预测ARMA模型较好的解决了平稳时间序列的建模问题，利用 EVIEWS软件可以方便地将 ARMA模型应用於时间序列问题的研究和预测方面，为决策者提供决策指导和帮助但是由于时间序列的复杂性，模拟还需要更进一步的研究和探讨今後将继续在这方面做出自己的探索。

[1]张方杰,袁炳华.试析大豆期货价格波动行为的规律性[J].统计与决策,-85.

[2]邵丽娜.基于ARMA模型对招商银行股票价格的預测[J].农村经济与科技,):105-107.

[3]赵国顺.基于时间序列分析的股票价格趋势预测研究[D].厦门大学硕士学位论文,.

[4]王黎明,王连,杨楠.应用时间序列分析[M].上海:复旦夶学出版社,2009.

[5]何永沛.ARMA模型参数估计算法改进及在股票预测中的应用[J].重庆工学院学报(自然科学),

[7]邓军,杨宣,王玮.运用ARMA模型对股价预测的实证研究[J].企業导报,6-277.

[8]方启东,温鑫,蒋佳静等.基于时间序列分析的股价预测[J].宿州学院学报,):71-73.

[9]冯盼,曹显兵.基于ARMA模型的股价分析与预测的实证研究[J].数学的实践与认識,)

[10]徐亚鹏,陈贵磊.ARMA模型在股票价格预测中的应用[J].才智,-3.

[11]陈筱.基于ARMA模型对澄星股份股票价格的预测[J].企业导报,-15.