金融计量分析是一个围绕时间序列波动预测的复杂系统,其本身呈现高度复杂的非线性波动规律,而这些规律则影响或支配着金融时序数据的变化趋势和变化幅度。根据预测学理论及相关知识,尝试以提高预测精度为研究突破口,对金融时序数据波动的内部相关性进行有效拟合和数学化的描述。在针对股票收益率预测的实证分析中,GARCH族模型的修正成为股票序列预测模型研究的重要研究方向,本文以残差序列预测为切入点对GARCH族模型进行修正研究。创新地以金融时间序列预测理论中均值方程部分的残差干扰项为切入点,引入自相关过程残差控制图,构建GARCH族残差控制图股票收益率预测模型。本文基于残差的正态分布假设,将自相关过程残差控制图理论推广应用于GARCH族残差序列预测,以改进GARCH族模型的拟合效果和预测精度。本文针对这个思路对GARCH族模型进行深入分析,主要分为两个步骤:第一,构建基于正态分布下的GARCH族原始模型,对3种模型的拟合、预测结果进行对比分析;第二,引入自相关过程残差控制图的GARCH族修正模型进行估计,运用相同训练集数据对对数收益进行预测,根据均绝对误差MAE、均方根误差RMSE、平均绝对百分误差MAPE评价6个模型预测效果最佳的模型形式。经过上述实证过程,本文得出以下几个主要结论:(1)上证综指对数收益率序分布呈现尖峰左偏的规律,上证综指收益率时序数据的峰顶密度函数显著大于正态分布时序数据的理论经验值,且观测点分布在左侧尾部多于右侧尾部,这代表市场的冲击效应给收益率序列的波动带来了集聚效应影响。上证综指对数收益率存在着长记忆性、波动聚集性、非对称性和杠杆性特点,GARCH、EGARCH、TGARCH模型具有较好的拟合优度。(2)从模型的拟合效果看来,针对股票收益率预测模型其适用条件有所差异,针对上证综指对数收益率的波动规律而言,TGARCH模型、EGARCH模型的拟合优度及其预测精度显著优于GARCH模型,既能有效描述其过去的波动规律,又对未来的波动规律有准确的预见性。(3)基于上证综指对数收益率预测能力模型排名依次为:TGARCH残差控制图模型>EGARCH残差控制图模型>TGARCH模型>EGARCH模型>GARCH残差控制图模型>GARCH模型。本文对于GARCH族残差控制图股票收益率预测模型的构建及应用进行深入研究,由于时间以及知识积累方面的问题,仍存在一定的问题,其不足之处在于:(1)碍于篇幅有限,本文在GARCH族模型实证过程只涉及到GARCH、EGARCH、TGARCH三种GARCH族模型,可能在这三种模型之外还存在着拟合效果或预测精度更好的模型,还需对其他GARCH模型进行进一步实证分析解决。(2)本文数据是选取2017年以来的日对数收益率进行拟合与预测,样本间隔与数据选择可能会对模型拟合、预测结果显著性产生一定影响。