【基于ARMA-GARCH模型的G银行股票价格的影响因素实证探究9400字（论文）】

基于ARMA-GARCH模型的G银行股票价格的影响因素实证研究【摘要】商业银行的持续经营对于中国金融体系的安全稳定至关重要，随着中国银行业的逐步开放，市场结构发生重大变化，外资金融机构纷纷进入金融市场，民间融资逐渐增多，银行业竞争加剧，因此本文以我国工商银行为研究对象，分析探讨了其内部控制制度，旨在探讨影响工商银行股价的各项因素。金融市场上的时间序列数据包含了各项历史信息，能够充分的反映系统的运行规律。研究者们可以采用常见的时间序列分析的通用模型，使用Eviews10软件，对以前的金融数据（如股价）进行系列检验，探寻其规律，并运用于未来走势的短期预测。选取工商银行（601398）的股票日收盘价（2015月4月1日至2020年3月27日）序列，进行一阶差分使数据平稳，之后作者选取ARMA模型对于未来三天的工商银行收盘价（2020年3月30日至2020年4月1日）进行了有效预测。通过将预测结果与实际值进行比较后，发现预测结果更为准确，误差较小，结果说明ARMA模型适合于股价短期预测，进一步证实了时间序列模型在金融融资方面的作用，这对于工商银行股价的影响因素探讨起着至关重要的作用。【关键词】时间序列；ARMA-GARCH模型；股价预测目录摘要…………………………I引言………………………1一、现状分析…………………1（一）目前中国商业银行内部控制的现状………………1（二）制约我国商业银行内部控制制度发展的原因分析………………2（三）中国工商银行股价的演变分析……………………3二、相关研究…………………4（一）内部审计在财务舞弊防范中的优势………………4（二）内部审计在财务舞弊防范中的作用………………5三、模型简介…………………5（一）ARMA模型………………………5（二）GARCH模型………………………6四、实证研究……………12（一）数据的选择与说明…………12（二）实证分析………………………12五、工商银行股票价格的影响因素…………12（一）消费者价格指数…………………12（二）利率…………………13六、结论和建议…………12（一）结论……………12（二）建议……………12七、总结……………………12参考文献………………………14II引言时间序列是按照时间顺序排列的一系列数据，这些数据是具有随机性的，但数据彼此之间又存在着一定的相互依赖性。金融市场上存在很多诸如此类的时间序列数据，比如股价、利率等的不断变化。时间序列数据与横截面数据不同的是，时间序列包含着系统的运行规律，正因为这个特点，所以我们可以通过研究来研究这一规律，并且对于未来的发展趋势做出一定的预测，这项研究对于金融行业的从业人员来说是非常必要的。股票是全球经济的晴雨表，无论是对于国家还是对于投资者来说，投资者对于股票价格的预测都是非常重要的。预测股票价格的经济模型中，ARMA模型是目前最常用的平稳时间序列的模型，此模型在预测时既考虑了金融市场指标在时间方面的依赖性，又考虑了随机波动的干扰性，从而能够准确高效地预测股票在短期内的发展趋势。并且ARMA模型在投资理论上也是相对成熟的，在统计分析和数学处理方面已经成为一种实用的模型。在中国经济“新常态”下，我国的经济发展速度逐渐减缓，由高速发展转为中高速发展，由追求速度增长转变为质量增长。在十九大中提出新一轮金融开放是目前我国经济形势下对于金融领域的要求，也是经济金融发展的需要，而在整个经济中各大银行扮演着重要的角色。中国的市场经济发展处于初级阶段，市场经济体制还不完善。因此，要想稳健股票价格，首要的是内部运营保持长期的平稳上升趋势。因此需要完善我国中小银行内部控制制度，加强检查和控制，规避经营风险和操作风险。长期促进各企业的持续发展，对于我国的各大银行来说是非常重要的。现状分析目前中国商业银行内部控制的现状外部竞争日趋激烈，商业银行的操作风险日益增大随着金融市场开放度的不断扩大，我国的商业银行正在面临着更加严峻的竞争环境和更加复杂的风险状况，一些利益驱动的终端商业银行过于重视业务发展，因而降低了对于内部控制建设的力度，导致不能完全实施一定的内部控制，最终造成了商业银行在不知不觉中承担着不同程度的潜在风险。监管压力的加大和市场结构的变化将对于商业银行的稳健发展产生重要影响，因此，我国的各大银行必须完善内部控制机制，不断促进内部控制体系的完善，加强对于内部控制体系的检查和监控，防范有可能发生的系列操作风险，促进不同种类企业的持续发展。当前，传统银行业风险管理技术和巴塞尔银行业风险管理新指标等新技术尚未完全掌握。在此背景下，中小商业银行如何应对自身业务发展的挑战和内部控制体系内的风险防范需求成为了各大银行的当务之急。工商银行作为国有五大行之一，不断积极开展金融产品开发和金融衍生品创新，并且正在持续开发中间业务的产品市场。虽然创新型公司和新产品的类型有所增加，但是在应对上仍然存在时滞，不能及时适应新业务，这就导致了内部控制方面的缺失。内部控制系统的建设很难适应业务发展的需要一是内部控制的制度机制不完善，一些基本的规章制度还存在很多薄弱的不健全环节；二是金融业内部环境和外部环境日趋复杂多样，内部控制的制度设计仍然存在诸多薄弱环节，尤其是缺乏对未知风险的防范措施；三是不完善的制度较多，已经制定的规章制度在实际操作过程中执行不严格，对于内部控制的监管不平衡，这一点是造成金融风险的主要原因。内部控制系统的建设是工商银行现有管理体系的一部分，由于缺乏经验、信息沟通，反馈交流等环节，强化了内部控制作为验证和合规检查，没有达到风险防控和利润提升的目的。（二）制约我国商业银行内部控制制度发展的原因分析1.内部控制的观念有一定的偏差在实际工作中，我一直认为内部控制机制是各种规章制度的综合、约束和综合，这体现在商业银行的经营管理方式上。对于这样无法避免的问题，如果采用了完全违背内部控制主体特征、隐藏财务风险的事后救济方法，那么公司发展将会与内控制度建设不同步，特别是新业务的发展将缺乏制度的保障，久而久之，其潜在风险将会越来越大。2.内部控制的机构组织不完善工商银行的内部控制制度不仅仅是部门之间的分离，而且是相互抵触的，比如会计岗位员工没有限制资金组织部门的资金成本的权限，因此将导致存款结构日趋不合理。由于互联网金融的不断发展，银行业务由传统的人工服务向现代的虚拟银行业务进行转变。由于管理和改革进程的长期滞后，一些新公司尚未制定完整的操作程序和内部控制体系制度。3.运营上尚且存在许多弱点工商银行在具体业务流程上的薄弱，可以改善操作风险的发生和内部控制的难度。虚拟交易平台的技术漏洞和业务链的缺陷将会导致内部控制问题和操作风险的增加。（三）中国工商银行股价的演变分析股票是一国经济状况的晴雨表，无论是对于国家还是对于投资者来说，对股价的预测都具有重要意义，股价预测应该建立在对工商银行的股票现状全面分析的基础上。通过对于工商银行年度财务报表的分析，发现工商银行的利润率同比增长2%，与上年年报持平；一季度拨备前利润同比增长2.8%，较上年同期下降1.5%。主要原因是成本收入比略有上升；一季度成本效益比上年同期增长1%，一季度减值力度同比增长5.7%，增速平稳。相关研究学者丁玮珂（2019）利用ARMR模型，结合桂林旅游(000978)股票的开盘价进行时间序列的实证分析，进而利用所建立的ARMR模型对未来工作日的股价进行预测分析，并且与实际股价相比较，从而得出结论，最终预测了在未来短期内桂林旅游这支股票的股价将会有所上升。学者耿娟（2019）通过GARCH模型预测收盘价整体的趋势和实际是相符的，预测收益率和实际收益率的正负号几乎都是一致的，预测收盘价和实际收盘价也都是呈上升的趋势。说明GARCH模型对于沪深300指数在短期预测股票波动趋势是可靠的。学者陈丽宇（2019）选用GARCH模型拟合股市波动情况，两岸金融开放政策的实施对两岸股票市场收益率波动的影响效果，上证综指、深成指数及台湾股票指数收益率存在显著的条件异方差特征，表明选取GARCH模型分析大陆与台湾的股票市场可以恰当地反映两岸股市收益率的波动情况。学者刘振威（2009）运用GARCH模型通过对我国1996年至2007年的年度平均消费者物价指数CPI值进行实证分析，建立了一个反映CPI变化规律的较优的统计预测模型。学者徐晨萌（2019）运用ARMA模型对未来三天的股价进行预测，其对工商银行股票日开盘价进行了建模和实证分析，预测了短期股价，结果较为理想，说明ARMA模型可以较好地解决非平稳时间序列的建模问题，并运用于金融时间序列问题的研究和预测方面。模型简介（一）ARMA模型ARMA模型又被称为自回归移动平均模型，此模型是由美国统计学家Jenkins和英国统计学家Box在20世纪70年代提出的时间序列分析模型，其中ARMA(p,q)模型是差分自回归滑动平均模型，AR是自回归过程，p为自回归的阶数；MA为移动平均过程，q为移动平均阶数。一般的ARMA(p,q)模型的形式可以表示为：式中，是白噪声序列，p和q都是非负整数，AR和MA模型都是ARMA(p,q)的特殊情形。当时间序列不平稳时，不能直接运用ARMA模型，而是需要经过一系列处理后，形成一个新的平稳的时间序列，进而才能使用自回归移动平均模型进行分析。（二）GARCH模型GARCH模型又被称为广义自回归条件异方差模型，Engle提出了自回归条件异方差模型（ARCH），通过条件异方差的形式解决了传统模型中残差存在的异方差性问题。在此基础上，波勒斯列夫T.Bollerslev(1986)提出了广义自回归条件异方差模型（GARCH），模型通过对残差序列的进一步分析来提高模型的拟合精度。GARCH(p,q)模型中，q表示GARCH项中的滞后阶数，p表示ARCH项中的滞后阶数。GARCH(p,q)模型其一般形式为：其中：。GARCH模型广泛应用于金融市场波动率研究中，GARCH模型是自回归条件异方差模型的推广和拓展。GARCH模型除了具有ARCH模型的基本特点之外,它更能反应数据之间的长期自相关性,从而有效的地模拟长期的异方差函数。实证研究数据的选择与说明本文以工商银行2015/04/01-2020/3/27的历史收盘价作为原数据，共有1218个样本数据，数据来源为国泰安数据库，利用Eviews10软件，通过ARMA-GARCH模型预测分析2020/3/30-2020/4/1未来三天的收盘价。首先对于数据的平稳性进行判断：将数据导入Eviews10软件，观察时间序列图（如图4.1所示），可以初步判断，工商银行股票收盘价是不平稳的。图4.1工商银行股票日收盘价的序列图实证分析原始数据ADF检验由于工商银行股票收盘价不平稳，因此首先需要对于收盘价序列进行平稳性检验，本文利用的是常用的ADF单位根检验方法进行平稳性检验。由图4.1可知，工商银行股票收盘价是不平稳的，由此进一步对原始数据进行ADF检验（结果如图4.2.1所示）。单位根检验的原假设是含有一个单位根，经检验可知，ADF检验的t统计量为-2.416300，均大于显著性水平为1%、5%和10%分别所对应的临界值-3.965605，-3.413508和-3.128801，所以不拒绝原假设，判断原始数据是不平稳的。图4.2.1原始数据ADF检验结果数据处理从收盘价序列图4.1可以明显看出，该时间序列有一个大幅波动趋势，序列形状是不规则的，所以我们认为序列是非平稳时间序列，因此在运用ARMA模型对该组时间序列进行处理之前，需要首先运用差分法使序列达到平稳状态。因此对序列进行一阶差分操作后得到新的序列如图3所示。可以看到，对原始数据进行一阶差分后的序列图4.2.2与图4.1相比来看更加趋于平稳。图4.2.2一阶差分后的时间收益率序列图一阶差分后的数据ADF检验由一阶差分后的时间收益率序列图，可以大致判断经过一阶差分后的时间序列为平稳时间序列。但是，用图形法来判断该组时间序列的平稳性并不能得出确切的结论，因此仍需进行ADF单位根检验以判断该序列是否是真正的平稳时间序列。选择无趋势项和无常数项进行ADF检验，检验结果如图4.2.3所示。图4.2.3一阶差分后的数据ADF检验结果从图4.2.3可以看出，ADF检验的t统计量为-34.87077均小于显著性水平为1%、5%和10%分别所对应的临界值-3.965611，-3.413511和-3.128802，单位根检验的原假设是含有一个单位根，所以得出结论为拒绝原假设，因而不存在单位根，差分后的序列为平稳序列，至此完成了原始数据的平稳化处理，可以根据差分后的序列建立ARMA模型。ARMA模型滞后期的选择运用Eviews10软件对进行过一阶差分处理的时间序列运行可以得到其自相关和偏自相关图（如图所示），均没有拖尾和截尾的特征，因此使用ARMA模型。图一阶差分后的自相关函数图和偏自相关函数图由于经济变量一般都为1阶或者2阶的ARMA模型，因此本文选取ARMA（1，1，1）、ARMA（1，1，2）、ARMA（2，1，1）、ARMA（2，1，2）四种金融计量模型进行比较，旨在最终能够在其中选取其中最优的模型进行预测。选择一阶差分后的数据，考察样本范围2015月4月1日至2020年3月27日的结果（如图所示）。观察比较在这四种情况下，系数的显著性和AIC、SC、HQ的值，得到表4.2.4。ARMA（1，1，1）ARMA（1，1，2）ARMA（2，1，1）ARMA（2，1，2）图由表4.2.4可知：ARMA（1，1，1）中和ARMA（2，1，2）中的系数都十分显著，但ARMA（2，1，2）中SC、HQ的值相对最小，所以选择ARMA（2，1，2）模型对工商银行的每日收盘价进行金融建模。显著性AICSCHQARMA（1，1，1）显著-5.607944-5.591168-5.601629ARMA（1，1，2）MA(2)不显著-5.609658-5.588628-5.601705ARMA（2，1，1）AR(2)不显著-5.609428-5.588458-5.601534ARMA（2，1，2）显著-5.622202-5.597038-5.612729表4.2.4一阶差分后ARMA显著性模型剔除常数项后，由图可知，ARMA模型的AIC值更小，这说明修改后的模型更加准确，拟合度更好，因此可以优先选择提出常数项后修改得到的模型。最终，ARMA（2，1，2）模型具体的拟合结果可以写成：图剔除常数项后的ARMA模型残差ARCH效应检验从上图中可以看到，模型估计的拟合优度Ｒ为0.022079，修正后的Ｒ2为0.018851，这说明拟合效果不理想。经过参数估计之后，我们仍然需要对残差序列进行白噪声检验，以便确定所建立的ARMA模型是否合适。如图4.2.5经过检验后结果为非白噪声序列，这说明所建立的模型仍然需要继续改进。通过残差序列的自相关和偏自相关图我们可以得到，该组残差序列的p值都小于0.05，这表明所有Q值都大于0.05的检验水平下的卡方分布临界值，即残差序列存在自相关，该序列是非白噪声序列。由此可见，我们所建立的模型ARMA（2，1，2）是不合适的。图4.2.5残差序列白噪声检验结果建立ARMA-GARCH模型采用GARCH模型进行拟合后，结果显示p值大于0.05，因此不再具有ARCH效应。预测收益率，对比收盘价预测值和真实值预测值真实值误差2020年3月30日5.2825185.220.0625182020年3月31日5.2825205.150.1325202020年4月01日5.2806045.160.120604表4.2.7对工商银行未来三天股价的预测结果根据表格，用模型预测出的股票价格与真实价格较为接近，误差较小。并且未来短期内工商银行这支股票的股价将会有一定的上升。工商银行股票价格的影响因素消费者价格指数居民消费价格指数（CPI）是用来反映居民消费品和服务价格变动的宏观经济指标。居民消费价格指数在国民经济和生产生活中起着非常重要的作用。消费价格指数还反映了一个国家一段时期内的通货膨胀率、购买力水平和工资水平。通货膨胀率是消费物价指数的增长率。当居民消费价格指数上升时，通货膨胀加剧，即某种商品的价格上升。与股票市场相比，股票价格会上涨。居民购买力是指能够以固定价格购买的商品数量的减少。当居民消费价格指数上升时，商品价格上升，居民购买力下降，从而导致投资资金减少，股市投资减少，股价下跌。此外，随着居民消费价格指数的上升，名义工资水平也会上升。但是，由于工资水平的上升幅度小于消费品和服务的上升幅度，实际工资水平下降，导致股市投资额减少，股价下跌。综上所述，股市的价格不能简单地由居民消费价格指数的涨跌来决定，而要看行业和企业的具体情况。（二）利率利率是一段时间内利息与贷款（或存款）金额的比率。当中央银行（本文称之为美国联邦基金）降低利率时，借贷量将增加，库存量将减少，消费将得到促进，对股市的投资将增加，股票价格将上涨。当利率上升时，贷款额减少，存量增加，消费受到抑制，对股市的投资减少，股价下跌。因此，利率与股价之间存在负相关关系。六、结论与建议（一）结论本文运用经典时间序列模型，即ARMA模型对工商银行股票日的收盘价进行了金融建模和实证分析，预测了短期股价，预测结果较为理想，这说明ARMA模型可以较好地解决非平稳时间序列的建模问题，并运用于金融时间序列问题的研究和预测方面。决策者们可以运用模型，结合Eviews等时间序列软件，为其决策提供合理化建议。本文首先选取了真实的样本数据，对样本数据进行了平稳性检验。在发现原始数据不平稳时，对其进行了一阶差分的数据处理。随后，通过观察自相关图以及偏自相关图确定了模型类型。之后进一步通过试验，比较不同阶数的显著性和信息准则，以此来判断选取滞后阶数，确定了模型的参数估计式。然后对其进行残差检验，证明所选模型的合理性。最后，对于工商银行未来三天的股价进行有效预测。预测出的股票价格与真实价格较为接近，误差较小，这说明ARMA模型可以用来预测股票价格。（二）建议进一步完善商业银行内部控制制度完善全流程控制内部风险控制模式。第一，要有高度的战略认识。完善的内部控制机制是金融机构安全有序运行的前提和基础，是规避金融风险的关键，商业银行内部控制制度的建立不仅是有效规避金融风险的关键，同时也是商业银行内部控制的基础，商业银行在构建内部控制体系时，不能脱离客观条件，强调严格和有限。为了实施内部控制制度，必须建立实施制度的监督机制。加强对商业银行的监管审计监督是内部控制机制的重要组成部分，不协调、不可替代，商业银行必须尽快建立审计机构，建立独立、远程、超前的现代控制体系。如果条件不成熟，可以采取总部统一管理、总部统一管理的办法，实行一级法人负责制的审计管理制度，推进外部审计部门的再审计制度，从总行中选择技术实力强、信誉好的审计事务所，这种内部审计与外部审计的结合，促进了内部审计工作质量的提高，充分发挥了监督控制作用，防范了银行经营风险。完善人事管理机制在完善内部控制制度的同时，要更加注重制度的落实和监督，同时不断完善员工绩效考核的考核方法和员工竞争机制。完善银行内部控制制度的法定人员配置制度。逐步推进产权制度改革，把国有商业银行改为国家控股的股份制银行，完善法人治理结构。以业务经营和风险控制为依据设置职能部门。根据各级分支机构自身的职能作用、业务范围、经营规模设置相应的职能部门。职能部门在职责分工上既要体现制约，又要体现协作配合，以防止业务在跨部门运作中的失控。在确定的职能部门的基础上，设置科学、合理、有效的岗位。同时，采取得力措施，下决心撤并亏损或无效益的支行，改变现有的部门重叠，效率低下的状况。加强组织管理积极推动银行、政府、税务机关、企业的四方合作，逐步推进法制改革，国有商业银行向国有控股股份制银行转型，完善公司治理结构，建立以管理和风险控制为基础的职能部门。各级分行设立的业务周期和业务规模。在分配任务时，职能部门应体现约束和配合，以防止：部门间业务失控，在明确职能分工的基础上，科学、合理、有效地确定岗位，并采取有效措施，消除分支机构的亏损或低效，改变现有部门的重复和低效。强化金融科技应用，完善统一信用风险监控体系，不断提升信贷管理的智慧化和准确化。一方面，实现数据精准化，通过运用大数据云计算的手段，将数据转化成真正的智慧化的金融服务。七、总结综上所述，虽然股价存在波动性，但是ARMA模型确实可以通过历史数据对未来的股价进行预测，并且较为准确。这种方法可以进行运用，为金融决策者提供帮助。在当前经济形势下，商业银行面临着巨大的竞争，为了保证商业银行的持续经营，规避各种可能的经营风险，商业银行内部控制是一系列完善的内部控制制度，对商业银行的发展具有特殊的重要意义，本文针对商业银行内部控制制度建设中存在的问题，提出了一些有效的对策。加强商业银行的监管作用，丰富人事管理制度，加强组织管理能力。参考文献 徐晨萌,方华.运用ARMA模型对股价预测的实证研究[J].经济研究导刊,2019(31):77-82.丁玮珂.基于ARMA模型预测股票价格的实证分析[J].广西质量监督导报,2019(05):151-153.耿娟,刘怡超.基于GARCH模型的股票收益率分析及预测[J].河北企业,2019(10):61-62.刘振威.基于ARMA模型对我国CPI未来走势的实证分析[J].华北金融,2009(09):10-11.陈丽宇.金融开放政策对两岸股票市场收益率的影响研究——基于GARCH模型[J].沈阳航空航天大学学报,2019,36(05):86-93.宋歌歌.基于多元线性回归模型研究股票价格影响因素[J].全国流通经济,2020(29):129-131.杨译.互联网金融与我国商业银行风险相依结构及溢出效应研究[D].吉林财经大学,2019.孟雨微,张进阳,刘新颖,张人方,陈锦珊.基于财务视角的上市公司股价影响因素分析——以银行业为例[J].全国流通经济,2021(02):169-171.尚彩云、权金熙.基于GONE理论的ST康美财务舞弊案分析[J],中国管理信息化,2020(23):10-11.孟雨微,张进阳,刘新颖,张人方,陈锦珊.基于财务视角的上市公司股价影响因素分析——以银行业为例[J].全国流通经济,2021(02):169-171.宋歌歌.基于多元线性回归模型研究股票价格影响因素[J].全国流通经济,2020(29):129-131.徐艺歌.基于线性回归模型分析几种因素对上市银行股票价格的影响[J].全国流通经济,2020(27):153-155.张曼婷.“互联网+医疗”政策出台对上市公司股价影响的实证研究[D].北京外国语大学,2020.翟颖越.基于GONE理论的我国上市公司财务舞弊研究[D],河北师范大学,2020.刘思岐.基于线性回归模型的股票影响因素研究[J].全国流通经济,2020(05):162-164.朱泓林.房地产上市企业股价影响因素实证研究[J].现代商业,2019(34):97-98.宫能泉.科创板上市企业每股收益的影响因素分析[J].大众投资指南,2019(16):4-5.陈晶晶.黑天鹅事件对我国上市公司股价的影响研究[D].北京邮电大学,2019.梁杰.试论企业会计风险管理中内部审计的应用[J],财会学习,2021(08):116-118.何金坤.创新投入下股利政策对公司股价影响研究[D].长安大学,2019.宋颖佳.基于医药行业不同动因的股票回购市场效应比较研究[D].上海师范大学,2019.李倩.关于企业内部审计如何促进内部控制的对策研究[J],商讯,2021(12):92-93.邹晓梅.利率调整对我国资产价格的影响研究——基于特征事实与VAR模型的分析[J].中国物价,2021(05):47-51.李炳念,王淳祥,杨光.股票回购与股价崩盘风险：稳定器还是加速器[J].现代财经(天津财经大学学报),2021,41(04):37-50.周泽将,汪帅,王彪华.经济周期与金融风险防范——基于股价崩盘视角的分析[J/OL].财经研究:1-18[2021-05-18]./10.16538/ki.jfe.20210313.103.王诗源.基于VAR模型研究半导体进口额与相关行业股价的关系[J].商展经济,2021(06):58-61.杨秋平,刘红忠.资本市场开放与股价同步性——基于沪港通的实证分析[J].上海金融,2021(03):25-36.钱宗鑫,王芳,孙挺.金融周期对房地产价格的影响——基于SV-TVP-VAR模型的实证研究[J].金融研究,2021(03):58-76.ZhangTongbin.StockPricesandtheRisk-freeRa