摘要  中国经济快速发展的当下，股票投资已成为一种大众化的投资选择，于是对股票价格的预测成为了每一位投资者关注的事。国内外大量学着研究发现，运用时间序列分析能够比较合理的分析并预测出股票的短期价格。这对于投资者来说具有重大意义，对于金融市场的波动性分析同样具有重大意义。

本文分四章来研究时间序列分析在股票价格预测中的应用。第一章讲述该课题的研究背景及成果，第二章主要介绍相关的模型知识及模型的建立步骤。第三章采用浦发银行（SH600000）2007年1月至2017年2月9的股票交易数据建立时间序列模型进行未来股价预测，第四章通过建立模型输出的结果进行模型对比，最后做出总结和评价。

本文将分别建立ARIMA模型、残差自回归（Auto-Regressive）模型、异方差（ARCH）模型来对数据进行时间序列分析和预测，最后对不同模型的结果进行检验做出比较，得出相对最优的模型。

关键词： 时间序列分析  股票价格预测  ARIMA模型  

目录

摘要

ABSTRACT

1 绪论-1

    1.1 选题背景与意义-1

    1.2 国内相关研究-1

    1.3 选题研究的方法-2

    1.4 研究条件、拟解决的主要问题和预期结果-2

2 基础理论-3

    2.1 时间序列的概念-3

    2.2时间序列分析模型-5

3 实证分析-11

    3.1 引言-11

    3.2  运用ARIMA模型进行实证分析-12

    3.3 运用Auto-Regressive模型进行实证分析-17

    3.4 运用ARCH模型进行实证分析-21

4 总结-25

    4.1 模型对比-25

    4.2 结论与分析-25

参考文献-I

附录-II

    浦发银行（SH.600000）2007.1-2017.2部分交易数据-II

致谢-IV