基于ARIMA对沪深300指数分析
Analysis of the CSI 300 Index Based on ARIMA
DOI: 10.12677/sa.2026.154079, PDF,    科研立项经费支持
作者: 余飞飞, 郑陈轩*:荆楚理工学院数理学院,湖北 荆门
关键词: 沪深300指数时间序列ARIMA模型预测CSI 300 Index Time Series ARIMA Model Forecasting
摘要: 近年来,我国资本市场发展迅速,股市越来越受人们关注,沪深300指数作为投资收益率标杆,有利于投资者对市场投资回报率分析。因此,本文将时间序列ARIMA模型对沪深300指数收盘价短期预测。经实验证明,将预测收盘价和实际收盘价比较,模型短期预测效果较佳。
Abstract: In recent years, China’s capital market has developed rapidly, and the stock market has received increasing attention. The CSI 300 Index, as a benchmark for investment returns, is beneficial for investors to analyze market investment return rates. Therefore, this paper will use the time series ARIMA model to make short-term forecasts of the closing prices of the CSI 300 Index. Experiments have shown that by comparing the predicted closing prices with the actual closing prices, the model performs well in short-term forecasting.
文章引用:余飞飞, 郑陈轩. 基于ARIMA对沪深300指数分析[J]. 统计学与应用, 2026, 15(4): 155-162. https://doi.org/10.12677/sa.2026.154079

参考文献

[1] 冯宇旭, 李裕梅. 基于LSTM神经网络的沪深300指数预测模型研究[J]. 数学的实践与认识, 2019, 49(7): 308-315.
[2] 孙武彪. 基于BP神经网络的沪深300指数预测分析[D]: [硕士学位论文]. 武汉: 中南财经政法大学, 2019.
[3] 李冰. 沪深300股指预测——基于ARIMA模型和人工神经网络模型相结合的方法[D]: [硕士学位论文]. 广州: 暨南大学, 2016.
[4] 朱文秀. 基于时间序列分析的沪深300指数收盘价预测分析[D]: [硕士学位论文]. 济南: 山东大学2020.
[5] 徐鑫. 基于Copula-ARIMA-GJR-GARCH模型的股票指数相关性分析[D]: [硕士学位论文]. 北京: 清华大学2015.
[6] 谢太峰, 王硕, 苏磊. 我国股指期货加大了现货市场的波动性吗?——基于ARMA-GARCH模型的实证检验[J]. 金融理论与实践, 2017(8): 13-18.
[7] 胡静. 对我国股市预测中ARIMA-NN混合模型与GARCH族模型的比较研究[D]: [硕士学位论文]. 天津: 天津财经大学2013.
[8] 张颖超, 孙英隽. 基于ARIMA模型的上证指数分析与预测的实证研究[J]. 经济研究导刊, 2019(11): 131-135.
[9] 万建强, 文洲. ARIMA模型与ARCH模型在预测方面的应用比较[J]. 数理统计与管理, 2001(6): 1-4.
[10] 王燕. 时间序列分析——基于R [M]. 北京: 中国人民大学出版社, 2015.