《中国股市日内成交量序列建模及预测研究》

摘要：首先研究上证指数日内高频成交量时间序列的统计特征，包括平稳性、自相关和长记忆性，然后我们通过对 剔除日内周期趋势的成交量序列建立ＡＲＭＡ模型，并分别结合ＡＲＣＨ类模型和ＡＲＦＩＭＡ模型消除模型的异方差和长 记忆性．我们的实证分析结果表明在消除日内周期项、异方差和长记忆性后建立的时间序列模型比原始序列的时间序列 模型有更高的预测精度．想要下载论文的读者朋友，请先付费获得积分。