摘要 本论文以上海综合指数作为研究对象，选取了 2010 年 4 月 16 日至 2016 年 4 月 14 日的日收盘价， 用 ARIMA 模型进行检验。通过检验后，预测下一期的收盘价。最后预测数据与现实值误差较小，表明该模型 基本符合精度要求。76100

毕业论文关键词  ARIMA 模型；上海证券综合指数；预测

1  引言

目前我国证券市场还处于成长过程，机构投资者还不够强大，证券市场的盈利主要通过低 买高卖来实现，虽然上市公司分红企业数不断地在增加，但是所占比例依然较低。2015 年，我 国股市出现了股灾，投资者在这一阶段损失惨重，证券市场的融资功能也因此受到影响，系统 性金融风险发生的概率也因此增加。

2015 年，上海证券综合指数虽然没有创新高，但是单日成交额却是创历史新高，这个不仅 和我国不断增加的上市公司有关联，而且和不断增加的货币供给量有着密切关联。2014 年，我 国股票价格指数期货成交额占总期货市场成交额 80%，这意味着衍生工具的上市增大了证券市 场的波动性。在股票价格指数出现大幅波动时，投资者的风险会变大，如何度量投资者面临的 风险，帮助投资者最大化降低所持资产的可能损失，毫无疑问，这是需要解决的问题之一。论文网

现在我国证券市场已经成为人们重要的投资渠道之一，参与股票投资的人数在不断增加， 证券投资也一直是一个热点。人们通过各种方法对股票价格指数未来的运行方向进行判断，根 据这个判断作出有利于自己的资产操作。伴随着计算机普遍应用到现代金融市场中，金融大数 据时代的到来，促进了统计工具在金融领域的应用。统计学是利用历史数据来进行分析，统计 软件在金融市场的应用由于计算机计算能力的提高，能够更好地挖掘数据所包含的各种信息。 金融市场所产生的数据有着明显的时间性。各种时间序列处理方法，如单位根检验、协整检验、 ARMA 模型、ARIMA 模型、GARCH 模型，都可以用来处理这类数据。

中国学者纪庆帅在《股价指数与货币供给量关系研究》[1]中采用格兰杰因果关系检验及最 小二乘估计的方法，选取 2004 年 5 月~2008 年 4 月的上证每月收盘价研究，最后表明货币政策 的传导对证券市场的影响显著，证券市场对货币政策的敏感性不断增强。在《货币政策对股价 指数影响的滞后效应分析》[2]一文中，陈立双用滞后模型对 2002 年 1 月~2007 年 12 月的上证 综指月度数据进行分析，发现利率、货币供应量和股价指数变量间的长期均衡误差能在短期内 引起股价大幅波动。在文献[3]中，杨慧敏用基于向量自回归 VAR 的计量方法进行研究，发现 我国股价指数与宏观经济变量间存在协整关系。

随着统计工具大量应用于金融市场，从证券市场本身来研究其波动的文献也开始增多。在

《中国股指期货与沪深 300 指数关系的实证研究》[4]这篇文章中，彭紫云建立 EGARCH 模型并 且用 Granger 因果检验分析，发现股指期货比现货指数对现货指数的引导作用要大。并且在文 献[6]中，黄嘉、林丽用 2009 年 5 月 5 日~2010 年 6 月 25 日沪深 300 股指期货、上证综指、深 证成分指数的每日收盘价为样本，由格兰杰因果分析得出二者一直存在平稳的协整关系。吴小 强在《股票价格指数的趋势分析》[6]中运用 ARIMA 模型上证指数进行了分析，总结出该模型 在股价预测中有较好的表现。在《基于 ARIMA 模型对上证国债指数的预测研究》[7]一文中，

刘培以 2008 年 7 月 1 日至 2009 年 7 月 31 日的日收盘价为样本数据，用 ARIMA 模型预测分析 发现该模型在描述国债指数方面有借鉴性。在金融大数据时代，有很多学者通过股票指数的历 史数据对其未来走势进行分析，多数学者研究发现 ARIMA 模型的拟合效果较高。