时间序列分析技术是研究股票市场的一个非常重要的工具。本文对金融时间序列分析的技术进行了探讨,不仅介绍了传统的时间序列模型,而且还引入了一种新的模型——all-pass模型,并对其参数求解过程提出了两种方法,最后在研究的基础之上,得到了一些有价值的结论。 具体来说,本文的研究包括以下几个方面的内容: 第一,根据收益率散点图和一些基本统计量分析我国股市的分布特征,发现我国股市的收益率序列不符合正态分布,并且存在明显的波动群集现象。 第二,采用传统的时间序列模型来分析我国的股票市场。分别将GARCH模型、EGARCH模型与ARMA模型结合起来拟合沪深股市综合指数的收益率序列,发现它们能够很好地反映我国股市的波动特性,研究结果与国内外已有的一些结论基本相吻合。 第三,介绍all-pass模型的基本理论以及求解参数的LAD准则,根据Jury准则确定all-pass模型参数的平稳范围。 第四,利用非线性规划对all-pass模型参数的LAD估计量进行求解。采用网格点法选取参数的初始估计,从而减少陷入局部最优解而不是全局最优解的可能性。 第五,基于遗传算法给出all-pass模型参数的LAD估计量的另一种求解方法。该方法在保证参数全局最优解的条件下,加快了参数最优解的搜索速度。 第六,用all-pass模型拟合沪、深综合指数的收益率序列,并对未来五天的收盘价分别进行短期预测,取得了较好的效果。