[发明专利]一种基于时间序列的煤炭行业股价预测方法

权利要求书

1.一种基于时间序列的煤炭行业股价预测方法，其特征在于：包括如下步骤：

S1、获取目标股票的价格序列，并且将价格序列转换为时间序列；

S2、对时间序列进行预处理，并且进行平稳性检验；

S3、根据平稳性检验的结果构建乘积季节模型；

S4、估计乘积季节模型中的参数；

S5、对乘积季节模型进行检验，若检验通过则执行S6，否则返回S4；

S6、利用乘积季节模型对目标股票进行预测。

2.如权利要求1所述的一种基于时间序列的煤炭行业股价预测方法，其特征在于：S1中，时间序列表示为{X_t，t∈Τ}，其中X_t为目标股票的收盘价，t为时刻，T为价格序列对应的时间区间。

3.如权利要求2所述的一种基于时间序列的煤炭行业股价预测方法，其特征在于：S2中，对时间序列进行预处理的方法为2阶12步差分，平稳性检验的方法为单位根检验。

4.如权利要求3所述的一种基于时间序列的煤炭行业股价预测方法，其特征在于：S3的具体方法为：

S3.1、构建初始预测模型ARIMA(p,d,q)×(P,D,Q)_S：

其中，的含义为x_t的先d阶后D阶差分序列等价于对x_t的先d阶差分再D阶差分的序列建立自回归移动平均模型，Φ(B)＝1-φ₁B-…-φ_pB^p为p阶自回归系数多项式，Θ(B)＝1-θ₁B-…-θ_qB^q为q阶移动平均系数多项式，Φ_S(B)＝1-φ₁B^S-…-φ_PB^PS是周期步长为S的P阶自回归系数多项式，Θ_S(B)＝1-θ₁B^S-…-θ_QB^QS是周期步长为S的Q阶移动平均系数多项式；

S3.2、构建S2中差分后的时间序列的自相关图和偏自相关图；

S3.3、基于自相关图和偏自相关图中的自相关系数和偏自相关系数拟合估计初始预测模型的阶数p和q。

5.如权利要求4所述的一种基于时间序列的煤炭行业股价预测方法，其特征在于：S4中，利用最小二乘法对乘积季节模型中的参数进行估计。

6.如权利要求5所述的一种基于时间序列的煤炭行业股价预测方法，其特征在于：S5中，检验的方法为对乘积季节模型的残差序列进行白噪声检验。