摘要：随着社会进步与科技的迅速发展，中国的股票市场逐渐成为主要的投资市场.无论是股票的投资者还有运营者都希望在股市上得到“低投资，高收益”的投资效果.但是股票市场时刻都在变化，股价也随之波动.本文对股票信息应用时间序列分析出其中有用的信息，对其进行一定的分析与预测，给予投资者和运营者提供参考，全方位地让投资者了解股票信息，提高决策分析的科学性.让投资者在投资上减少盲目性，降低投资风险，提高投资收益.

  首先获取苹果公司一段时间内的股价数据，对数据绘制图，观测这组数据是否为平稳时间序列，对非平稳时间序列进行d阶差分运算，将其化为平稳的时间序列.对得到的平稳的时间序列求其自相关系数ACF和偏自相关系数PACF,通过自相关图和偏自相关图分析出最佳的阶层p和阶数q.通过获得数值d、q、p确定ARIMA模型.对所得到的模型利用最小二乘法估计序列的回归系数，从而能提高序列的预测精确度.再来开始对模型进行残差白噪声检验和参数性检验来确定所建的模型是否可取.最后对模型进行短期的预测，综合分析得出最具有价值的的结果.

关键词：苹果公司；时间序列；平稳性；ARIMA模型；

目录

摘要

Abstract

1 绪论-5

1.1 研究背景与研究意义-5

1.1.1 研究背景-5

1.1.2 研究意义-5

1.2 国内外研究现状-5

2 ARIMA模型简介-6

2.1 ARIMA模型的介绍-6

2.2 ARIMA模型的原理-6

2.3 ARIMA(p,d,q)建模步骤-7

3 实证研究-8

3.1 数据分析-8

3.1.1 数据的选取-8

3.1.2 数据的基本统计特征分析-9

3.1.3 数据处理-10

3.2 ARIMA模型的识别与定阶-12

3.3 ARIMA模型的拟合-13

3.4 ARIMA模型检验-14

4 总结-15

参考文献-16

附录1-17

附录2-18