Evaluation of Stock Prices Forecasting Models for Taiwan and U.S.A.

• Main Authors: Ya-Wen Chuang, 莊雅雯
• Other Authors: Yen-Sen Ni
• Format: Others
• Language: zh-TW
• Published: 2000
• Online Access: http://ndltd.ncl.edu.tw/handle/35529369723387704755

碩士 === 淡江大學 === 管理科學學系 === 88 === We applied several time series models, such as one equation models (ARIMA Models、Transfer Functions Models (TF)、ARIMA-Outlier Models), simultaneous equation models (Vector Autoregressive Models (VAR)、Error Correction Models (ECM)、Kalman Filter Models (KFM)) to evaluate the stock prices for Taiwan and U.S. The forecasting performance is measured by comparing RMSE、MAD and MAPE of each model. The important results are shown as follows： In Taiwan, the one equation models, no matter what criteria is measured, the results show ARIMA-Outlier models are better than ARIMA models and TF models. In multi-equation models, the ECM models perform much better than other models, such as the VAR models and the KFM models. In addition, the ECM models also outperform than the one equation models, such as ARIMA models and TF models. In U.S., the one equation models, the results show ARIMA-Outlier models are better than ARIMA models and TF models. In multi-equation models, the ECM models perform much well than the VAR models and the KFM models. It also exists that the multi-equation models outperform the one equation models in U.S.. 表目錄………………………………………………………………… 四 第一章 緒論 1 1.1 研究動機 1 1.2 研究目的 2 1.3 研究架構 3 1.4 研究流程 4 1.5 研究限制 5 第二章 文獻探討 6 2.1 股價與相關經濟變數 7 2.2 計量方法之實證結果 13 第三章 研究方法 16 3.1 單根檢定 16 3.2 ARIMA模型 22 3.3 轉換函數模型 24 3.4 ARIMA-Outlier模型 29 3.5 VAR模型（向量自我迴歸模型） 31 3.6 Johansen共整合檢定 33 3.7 ECM模型（誤差修正模型） 35 3.8 Kalman Filter模型（卡爾曼濾嘴模型） 35 3.9 評量預測模型績效方法 37 第四章 實證分析 39 4.1 資料來源與處理 39 4.2 單根檢定 40 4.3 ARIMA模型 45 4.3.1 台灣股價之ARIMA模型 45 4.3.2 美國股價之ARIMA模型 48 4.4 轉換函數模型 51 4.4.1 轉換函數模型－股價與利率（台灣） 51 4.4.2 轉換函數模型－股價與工業生產指數（台灣） 52 4.4.3 轉換函數模型－股價與利率（美國） 52 4.4.4 轉換函數模型－股價與工業生產指數（美國） 53 4.5 ARIMA-Outlier模型 54 4.6 落後期數之選取 56 4.6.1 台灣落後期之選取 56 4.6.2 美國落後期之選取 56 4.7 VAR模型 57 4.7.1 台灣之Granger因果關係檢定 57 4.7.2 美國之Granger因果關係檢定 57 4.8 Johansen共整合檢定 58 4.8.1 台灣之共整合檢定 58 4.8.2 美國之共整合檢定 60 4.9 誤差修正模型（ECM） 62 4.9.1 台灣之誤差修正模型 62 4.9.2 美國之誤差修正模型 62 4.10 卡爾曼濾嘴模型（KFM） 63 4.10.1 台灣之卡爾曼濾嘴模型 64 4.10.2 美國之卡爾曼濾嘴模型 64 4.11 各種預測方法之比較 65 4.11.1 台灣股價預測績效之比較 65 4.11.2 美國股價預測績效之比較 67 第五章 結論與建議 70 5.1 結論 70 5.2 建議 73 參考文獻 74