股市时间序列具有以下两个特性：首先，它貌似随机但又好像不完全随机；其次，它非常容易获得。因此，众多研究学者以及股票交易者都希望能从中找出某些规律对股票价格或收益率进行准确预测。时间序列分析方法是最近发展起来的定量预测方法，它特别适用于经济时间序列，因为经济现象涉及因素较多，关系又比较复杂，因此难以用量化的唯理模型进行预测分析。和发达国家股市一样，我国股市具有优化资源配置的功能，但同时又具有投机性特别强的特点。本文首先采用ARMA模型、非参数模型以及神经网络模型对我国股市时间序列进行研究，对三种方法在分析我国股市时间序列的表现进行评价，并得出了一些对监管部门以及股票交易者有借鉴意义的结论；其次作者对三种模型分析我国股市时间序列的前提进行了讨论，特别是利用GARCH模型对我国股市的系统稳定性进行了量化检验，得出了前提难以满足导致准确预测我国股市价格或收益率困难的结论；第三，考虑到中国股市股票交易者群体与发达国家股市股票交易者群体之间的差异，作者借用行为金融学的理论成果对我国股票交易者对信息反应的复杂性和易变性进行了详细分析，指出股票交易者对信息反应的异质性和易变性是造成难以准确预测我国股市的一个重要原因，考虑到我国股市以散户为主导的特性将长期存在，因此将行为金融学的研究结论纳入对我国股市时间序列的量化研究具有重要的意义；最后，作者从唯理预测与唯象预测之间差异的角度出发，指出了唯象预测的缺点并对我国股市时间序列的研究方向进行了展望。