本文建立模型的目的在于为普通小股民提供决策信息,减少他们耗费在股票上的精力,并且能从股票差价中获得相对较大的利润。文章的关键点是建立模型预测未来一段时间股票最高价的局部极大值点(简称“极高点”)和最低价的局部极小值点(简称“极低点”)所处期数。由于大多数股民没有过多的精力,去每天观察股票价格走势,每天思考是否买进、是否卖出以及如何进行交易。那么预测最高价的极高点和最低价的极低点所处期数,就可以向股民提供参考,让他们在这段时间内观察股市。并且可以通过股价预测的方法给出买进和卖出的价格,从而进行交易,获得相对较大的差价利润。本文选取沪深300指数日线从2007年9月7日到2011年10月20日共1000期的最高价与最低价数据以及深发展日线从2006年8月23日到2011年10月18日共1152期的最高价与最低价数据为样本来进行实证分析。首先,简单介绍小波分析在股价预测上的应用,分别对最高价时间序列和最低价时间序列进行小波分解,提取其低频部分。然后,分别对最高价和最低价的低频部分时间序列GA.DA建立模型,提取出最高价GA的极高点所处期数以及最低价DA的极低点所处期数,对其作图发现他们分别具有良好的线性关系。对这两组时间序列建立线性回归模型,预测出极值点将会出现的期数。再次,这些极低点与极高点按时间先后分别配对,得到几组极高点与极低点。根据这个结果,观察分析得出应该进行交易的极低点和极高点的组数。最后,根据分析所得到的组数,在该组的最低价出现的前两期时,对股票最低价的价格时间序列建立ARIMA模型以及线性自回归模型,用这两个模型分别预测得出后两期的价格并将两个模型所得的结果进行对比,从而决定买进的价格。用同样的方法预测该组最高价出现之前的价格并进行对比,从而决定卖出的价格。这样先以低价买进,再以高价卖出,从中获取差价利润。