摘要
股票市场作为金融市场的重要组成部分，其波动规律一直是投资者和学者关注的焦点。
准确预测股票收益率对投资者制定投资策略、规避风险至关重要。
ARMA-GARCH模型作为一种经典的时间序列分析方法，在捕捉金融时间序列的自回归性、波动聚集性和杠杆效应方面表现出色，被广泛应用于股票收益率预测研究。
本文首先介绍了时间序列分析的基本概念、ARMA和GARCH模型的基本原理，接着梳理了国内外学者利用ARMA-GARCH模型对股票收益率预测的研究现状，并对主要研究方法进行了归纳和总结。
最后，对现有研究进行了评述，并展望了未来研究方向。
关键词：ARMA-GARCH模型；上证综指；日收益率；预测；波动性
1.1时间序列分析时间序列分析是一种用于分析随时间推移收集的数据的方法，旨在理解数据模式、提取有价值的信息并预测未来趋势。
它涉及使用统计技术来分析时间序列数据的各种特征，例如趋势、季节性、周期性和随机波动。
1.2ARMA模型自回归滑动平均模型（ARMA）是一种常用的时间序列模型，用于描述具有线性依赖关系的时间序列数据。
ARMA模型由两部分组成：自回归（AR）部分和滑动平均（MA）部分。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
