引言

本文使用 ARIMA 模型对螺纹钢基差建模,进一步分析螺纹钢基差蕴含的季节因素,并预测螺纹钢基差未来的走势.

ARIMA 模型建模步骤

详细步骤

简略步骤

样本选取

本文选取 2017 年 7 月-2022 年 7 月螺纹钢月度基差数据.

基差=现货价格-期货价格

现货价格：wind-商品现货数据库——螺纹钢_HRB400 20mm_上海

期货价格：wind-螺纹钢期货价格指数

样本情况

基差时序图

将日线图整理成月线图并观察季节效应

平稳性检验

图检验法

 ACF 图显示 1,11,12 阶拖尾,其他阶截尾.显示序列平稳且具有季节性.

ADF 检验

检验结果

在 5%的显著性水平上都拒绝原假设 1-3,故不存在单位根,不存在截距项,不存在时间趋势.

残差图如下:

序列白噪声检验

序列非白噪声

ARIMA建模

 自动识别阶数.

注:因序列没有单位根,故 I=0

结果为乘积季节模型: ARIMA(2,0,0)(0,1,1)[12] 

模型诊断

结果显示,残差各阶均截尾.

残差为白噪声,建模成功

模型预测

上表分别为:预测期数,点预测值,80%置信区间下限,80%置信区间上限,95%置信区间下限,95%置信区间上限.

结论

本文使用 ARIMA 模型对螺纹钢价差建模,数据显示螺纹钢基差符合乘积季节模型: ARIMA(2,0,0)(0,1,1)[12] ,在此基础上本文给出了后 20 期的预测.

不足之处:本文选取的样本量较少.选择期货指数作为期货合约的替代,与实务存在一定的差异.

参考文献

[1].王燕 .应用时间序列分析（第三版）[M].中国人民大学出版社2012

[2].陈强.高级计量经济学及stata应用[M] .高等教育出版社2014 

[3].张成思 .金融计量学 时间序列分析视角（第二版）[M].中国人民大学出版社2016

[4].Jonathan D.Cryer等.时间序列分析及应用-R语言 第二版[M].机械工业出版社2011 

[5].五柳冰冰.实证研究：螺纹钢期货与现货协整分析.