目 录 1 绪 论 1 1.1 选题的背景和意义 1 1.2 国内外研究现状及发展趋势 1 1.2.1 国外的研究现状 1 1.2.2 国内的研究现状 2 1.3 研究思路及研究方法 3 1.3.1 研究思路 3 1.3.2 研究方法 3 1.4 研究框架 3 1.5 研究重难点 3 2 典型相关分析概述 4 2.1 典型相关分析的基本原理 4 2.2 典型相关分析思路 4 2.2.1 确定典型相关分析 4 2.2.2 确定典型相关系数及其显著性检验 5 2.2.3 确定典型相关变量 5 2.2.4 典型载荷系数 5 2.2.5 典型冗余分析 5 3 典型相关分析对股票涨跌影响因素的实证分析 6 3.1 研究变量的选择 6 3.1.1 因变量的选择 6 3.1.2 自变量的选择 6 3.2 数据来源及得到变量数据 6 3.3 建模以及结果分析 8 3.3.1 自变量组和因变量组的相关性分析 8 3.3.2 典型相关系数以及其显著性检验 9 3.3.3 典型变量 9 3.3.4 典型结构分析 10 3.3.5 典型冗余分析 11 3.3.6 小结 11 4 ARIMAX模型的概述及对股票价格预测的应用 12 4.1 ARIMAX模型理论知识 12 4.2 ARIMAX模型的建模过程 13 4.3 ARIMAX模型及其对股票价格的应用 13 4.3.1 数据来源以及白噪声和平稳性检验 13 4.3.2 对序列x建立ARMA模型 14 4.3.3 对序列y建立ARMA模型 15 4.3.4 考察序列间的互相关系数以确定动态回归模型的结构： 16 4.3.5 最终模型的建立 17 4.3.6 ARIMAX的事后检验和对比 18 5 结论 20 参考文献 21 附 录 22 附录A 做典型相关分析数据 22 附录B 动态回归模型数据 26 致 谢 32

图目录 图3.1 龙洲股份部分日K线图 7

表目录 表3.1 因变量组的部分数据列表 7 表3.2 变量组的部分数据列表 8 表3.3 自变量组与因变量组的相关系数 8 表3.4 典型相关分析以及其显著性检验 9 表3.5 典型变量 9 表3.6 原始变量与其相应的典型变量之间的相关系数 10 表3.7 原始变量与其对立的典型变量之间的相关系数 10 表3.8 典型冗余分析 11 表4.1 序列x和序列y的白噪声检验 13 表4.2 序列x与序列y的平稳性分析 14 表4.3 输入变量的参数检验 14 表4.4 输入变量的模型显著性检验 15 表4.5 输出序列的参数检验 15 表4.6 输出序列的模型显著性检验 15 表4.7 和的互相关系数表 16 表4.8 序列x和序列y的互相关系数表 16 表4.9 残差序列的白噪声检验 17 表4.10 回归残差序列自相关系数和偏自相关系数表 17 表4.11 模型参数估计 18 表4.12 残差序列的白噪声检验…18 表4.13 股票价格部分原数据和数据的预测结果…19 表4.14 2种方法的预测值…19

从国内学者的研究中可以看出，将典型相关分析应用到了各方面，有的将典型相关分析和别的结合在一起，取得了不错的效果。 在国内，许多学者对非线性回归方面进行了深切研究。蒋廷臣，张勤，周立等[14]人提出一种基于小波分析的非线性回归模型。利用小波变动获得非线性回归估计函数，使非线性回归模型更靠近变形体变形规律，从而更好的进行精确的预测。刑诚，王建强等[15]在“引入模型误差的非线性回归模型”中，由于第一种非线性回归模型对计算成果的精度产生影响，出现病态问题，提出了一种引入模型误差的方法，对提高回归模型中的部分要求解的参数的精度有一定的作用。朱仲邃[16]在“基于非线性回归模型参数估计”中提出用积分法和微分法和非线性回归相联合来进行模型参数预估，用实例证实拟合效果比线性最小二乘回归模型好。 1.3 研究思路及研究方法 1.3.1 研究思路 本文的研究思路分为2个部分。 1、第一方面是先把影响股票涨跌的因素选出来，用典型相关分析定量去分析他们之间的相关性，得出典型变量，在对典型变量做显著性检验。最后选出主要的因素。 2、第二方面把选出来的因素做动态回归分析，进行预测。 1.3.2 研究方法 通过炒股软件得到龙洲股份股票的一些数据，得到股票涨跌影响因素的一些数据，用Spss语言对他们进行典型相关分析，得到主要因素，再用Eviews建立动态回归模型预测，得出结论。 1.4 研究框架 1、综述国内外典型相关分析和回归模型研究的相关文献，提出本文的研究问题，研究内容，研究方案，研究的重点和难点和拟解决的关键问题及方案。 2、典型相关模型中自变量组和因变量组的选取。 3、详细介绍典型相关分析模型，并对影响因素进行分析，选出主要因素。 4、介绍动态回归模型并对主要的因素进行回归并预测。 5、得出结论。 1.5 研究重难点 本文研究重点和要解决的问题包括，影响因素的选取以及得到数据。用典型相关模型从多个因素中选出主要的因素。对主要的因素建立回归模型进行预测和分析结果展示。