摘要：随着中国改革开放以来金融的发展，促进着股票的市场，随着日益提高的工资以及生活水准，炒股成为越来越多人理财的方式。但是呢，股票的趋势是很难琢磨的，在获得高收益的同时，风险当然也随之存在。对于茫茫多股票，也许其中的一股，投资者了解得比较清楚，可以大致摸清股票的走向。但对于其他一些陌生的，不熟悉的股票，想要摸清其规律就是十分麻烦且困难的一件事。因此，某些金融机构看准了这一点，就开始制定股指，以其作为股票市场的风向标，并且公开这些数据，作为一个参考。投资者据此就查验本身投资的结果，并用以展望股票市场的动向。本文对深证综指用ARIMA模型对2017年2月23日至2017年12月23日深证综指日收益率进行预测。选择ARIMA（2，1，5）模型作为最终模型，并以此模型对深证综指后15天的股指数据做出预测。

关键词：ARIMA模型，股指预测，时间序列分析

目录

摘要

ABSTRACT

第一章  绪  论-1

1.1本课题研究的意义-1

1.2研究领域现状-2

1.3 所做的主要工作-2

第二章  基本概念-4

2.1 时间序列与随机过程-4

2.1.1 随机过程的概念-4

2.1.2 时间序列的概念-4

2.2 均值、方差、协方差、自相关系数-4

2.3 平稳性-5

2.4 白噪声-6

第三章  时间序列模型-7

3.1 平稳时间序列模型ARMA-7

3.1.1 滑动平均过程MA(q)-7

3.1.2 自回归过程AR(p)-8

3.1.3 自回归滑动平均混合模型-8

3.2非平稳时间序列模型ARIMA-9

3.2.1 定义-9

3.3 时间序列的平稳性-9

3.4 模型识别-9

第四章  求解ARIMA模型-10

4.1 数据的预处理-10

4.2 模型的识别和定阶-10

4.2.1 时序图判断平稳性-10

4.2.2 差分次数d的确定-12

4.2.3 建立一阶差分序列-13

4.2.4 模型的识别和定阶-14

4..3 模型的参数估计-14

4.3.1 模型的适应性检验-15

4.4  ARIMA预测模型-16

结束语-18

参考文献-19

致  谢-19