[发明专利]一种基于时间序列的煤炭行业股价预测方法

说明书

一种基于时间序列的煤炭行业股价预测方法，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。本发明提供一种基于时间序列的煤炭行业股价预测方法，预测结果准确度高。

技术领域

本发明涉及股价预测技术领域，具体的说是一种基于时间序列的煤炭行业股价预测方法。

背景技术

煤炭是我国的主要能源之一，是股票能源板块的重要组成成分。煤炭行业正加快向现代煤化工这一新兴产业转型，向进行绿色能源领域发展，因此煤炭行业具有良好的发展机遇，煤炭股也就具有研究价值。

煤炭行业受季节性影响较大，冬季是煤炭的消费旺季，煤炭的价格在冬季前后会因为季节利好而上升，因此煤炭行业的股票也会随之上涨。所以一般的煤炭行业股票为非平稳的含有季节效应的时间序列。

因为煤炭行业股票的特殊性，导致现有的很多股价预测方法均不能够很好地应用到煤炭行业股票上。

发明内容

为了解决现有技术中的不足，本发明提供一种基于时间序列的煤炭行业股价预测方法，预测结果准确度高。

为了实现上述目的，本发明采用的具体方案为：一种基于时间序列的煤炭行业股价预测方法，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。

作为一种优选方案，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。

作为一种优选方案，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。

作为一种优选方案，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，得到乘积季节模型。