时间序列分析在股市行情预测中的应用开题报告

1. 研究目的与意义

近年来,基于时间序列分析的预测,在各个领域中都得到了广泛的应用。预测股票的走势一直是人们最关心的问题，而对股票价格进行预测较为普遍的模型就是时间序列模型。股票市场时间序列模型具有随机又好像不随机的特性，且非常容易获得。本文对时间序列的相关理论知识进行简单介绍，特别是对arma用于分析股市模型的分析，其次介绍了股票预测理论的发展和传统分析方法，最后，利用所介绍的模型进行实证分析并得出结论。

股票价格序列是一种特殊的时间序列，因而我们可以采用一些改进的时间序列的方法对其进行预测。常用的时间序列方法有三大类：统计模型方法、机器学习方法和组合方法。单纯的统计模型方法在当下复杂的应用背景下，表现往往不尽人意，目前比较流行的为机器学习方法和组合方法。股票的价格走势直接影响着投资者的经济利益以及不同行业的景气状况,也影响和反映着国家的宏观经济政策。因此,股票价格能否预测以及如何预测有着其重大的研究意义。应用时间序列模型进行预测是较为常见的预测方法,正确的通过时间序列建立相关的模型进行股票价格预测有着重大意义,它在一定程度上能为国家的政策提供一个参考,给人们一个参考，有利于公司的发展.有利于国家经济发展。

fama在20世纪70年代提出了著名的有效市场假设，认为股票价格的波动是随机游走过程，将来的价格是不可预测的，人们不可能依靠分析历史价格信息和公开信息而获得超常收益。然而，近年来越来越多的实证研究表明，这种理论与事实不符合。为了更有效地解释证券市场的波动规律，peters在20世纪90年代初提出了分形市场假说，强调证券市场信息接受程度和投资时间尺度对投资者行为的影响，认为所有稳定的市场都存在分形结构，证券价格在一定程度上存在可预测性。在承认股票价格存在可预测性的前提下，本文系统阐述了股票价格预测的各种方法，既包括传统的基本分析以及技术分析等方法，也包括基于时间序列分析的arima和garch模型等现代预测方法，当然由于影响股票价格的因素众多，不可能用一种简单的模型或方法就能够完全预测其未来的涨跌情况。

2. 研究内容和预期目标

1、介绍时间序列分析里的三大类：统计模型方法 、机器学习方法和组合方法。

2、通过arima和garch模型预测方法，正确的通过时间序列建立相关的模型进行股价预测。

3. 研究的方法与步骤

一是文献研究法。在图书馆借阅书籍，并在国内知网数据库等检索网站检索有关时间序列分析在股票价格预测中的作用的文献，同时浏览相关的报纸杂志，活动对以往研究文献进行整理归纳，为本次研究提供理论基础，也为论文框架的构建的思路。

二是实证研究法。给出与本课题相关的实践中的典型案例，进行分析论证。

三是比较研究法。对比分析各种不同观点，得到自己的观点。

4. 参考文献

[1] 时间序列分析james d.hamilton中国人民大学出版社2015年1月1日

[2] 应用时间序列分析 何书元 北京大学出版社 [m]. 2009 .

[3] 股票价格预测的最优选择模型 贺本岚统计与决策 [j]. 2008.

5. 计划与进度安排

1. 4—9周 毕业论文命题 对本学院教师提出命题要求，布置任务，教师命题

2.10—11周 毕业论文课题申报 指导教师填写毕业论文题目申报表，经系部和学院审核，然后进入教务系统进行毕业论文题目申报。

3.14—16周 学生网上选题 学生网上选题，视学生选题情况作适当调整。选题结束，指导老师向学生下达任务，学生根据要求收集资料。