使用ARIMA来建模和预测股票价格使用用户友好的统计程序

Question

任何人都可以请提供一些见解，这对我来说？

我来自功能性磁共振成像研究背景，我分析了很多时间序列数据，并且我想通过以下方式分析股票价格（或收益率）的时间序列：1）建模成功在一个特定的市场部门进行股票交易，然后将这个历史上成功的股票的时间序列与其他较新的股票的时间序列进行交叉关联以寻找显着的关系; 2）对股票的价格时间序列进行建模并使用预测（例如，指数平滑）来预测其未来价值。我想用非线性建模方法（ARIMA和ARCH）来做到这一点。

几个问题： ARIMA和ARCH建模方法（鉴于实现它们的个体确实如此精确）实际上适合他们的目标股票时间序列数据，以及我期望的最佳拟合是多少？该模型适合数据的程度与其预测该股票时间序列的未来价值的程度是否相符？

与其随机选择股票进行比较或模型，如果利润是我的目标，那么选择我将要分析的股票的有效方法是什么？

哪个统计程序对此用户最友好？

对此的任何想法都会很棒，对我而言将会有很长的路要走。

感谢， 布莱恩

如果你想免费的，则R是你需要开始为一个统计包

Answer 1

我第二次被简单易学上STATA的议案。我在矢量自回归时间序列模型领域做了一些工作。这模拟了两个时间序列之间的相互作用，并且是对多个时间序列的相当近期的（20世纪80年代）方法 - 特别是那些滞后交互的方法。 STATA处理这种分析。

Answer 2

。

我认识的大多数经济学家或者使用Stata或者Matlab来建模。鉴于你想要一个更小的学习曲线，我会推荐Stata。

Answer 3

应该可以预料，几乎所有的预测（AI动力或非动力）技术都被用来尝试“有效的”股票市场预测。发布的结果并不令人鼓舞，毕竟他们怎么可能;如果有人提出了圣杯模式，他不会发布它，而是用它来赚钱，对吧？一般来说，如果交易建议的交易精度大于50％+交易成本，那么它就会变得“最优”，因此预计它将利润返还给使用它的任何人。如果这听起来可行，不要对你的结果感到失望;该肯定的是，你会得到的过程中学习了很多，加上多的乐趣保证:)

---

与MineKnowledge队

Answer 4

如果你想强大统计的慷慨捐助，去对于R.它有一个不平凡的学习曲线，但你会收获投资一段时间的好处。 R是免费的，这是一笔巨大的资产。

至于方法，你不同意股票价格已经包含所有可以预测的信息吗？什么是阻止市场纳入这些信息？另外，这难道不像比较苹果和橙子，以将一只股票的过去行为作为另一只股票未来行为的预测指标吗？

只是一个因子评分...