sas 在金融数据分析解析中的应用.pdf

SAS 在金融数据分析中的应用

摘 要
二十一世纪，金融已经成为国民经济的命脉，现代经济的心脏，在各国经济发
展中占有举足轻重的地位。在金融市场全球化、电子化、虚拟化的发展背景下，当
今世界进入到了一个信息化和数量化的时代，如何系统、完整、高效的存储、整理
和分析这些数量大、涉及面宽的数据信息是一项重要而艰巨的任务。SAS软件强大
的统计功能及较好的人机交互性给我们提供了有很大的帮助。
本文首先介绍了金融数据分析中常用的方法—时间序列分析，主要包括奇次非
平稳模型（ARIMA模型）和广义自回归条件异方差模型（GARCH模型），另外介
绍了SAS软件及时间序列法中常用SAS过程。另外，通过收集2005年1月4日至2006
年12月29日的上证综合指数（收盘价）历史数据，运用SAS软件，调用其ARIMA
过程和AUTOREG过程构建ARIMA模型和GARCH模型。用GARCH模型进行数据拟
合；用ARIMA模型对接下来的前50个交易日的收盘价进行预测，并与实际作比较。
最后用2008年7月至2009年4月的数据进行以后600个交易日的预测。
实证分析结果表明，ARIMA模型和GARCH模型可较好的拟合股票价格，因此，
可以通过这两个模型进行预测，帮助投资者做出正确投资决策，规避投资风险。

关键词：SAS，股票价格预测，时间序列，ARIMA 模型，GARCH 模型
I
SAS 在金融数据分析中的应用

Abstract
In the 21st century, the finance has become a lifeline of the national economy, the
heart of the modern economy, it is has play a vital role for the economic development of
countries. In the development of the financial market under the background of
globalization, electronic, virtualization, the world into an informatization and
quantification times, how storage, collation and analysis of the number of large, involving
wide data information systematic, complete, efficient, is an important and difficult task.
SAS statistical software has powerful features and a better human. Computer interaction,
give us a great help.
This paper first introduces the financial data analysis methods commonly used-time
series analysis, mainly including the odd non-stationary model (ARIMA model) and
generalized autoregressive conditional heteroscedastic model (GARCH model), as well as
the SAS software and time-series method used in SAS. In addition, through the collection
of relevant historical stock price data, using SAS software, call the AUTOREG and
ARIMA process, constructing the ARIMA model and GARCH model, Using GARCH
model fitting the data ; Use ARIMA model pr