本文的研究对象是具有代表性的上证综合指数。在对其建模预测之前,文章采用序列相关性检验、周日效应检验及移动均线指标技术分析交易规则有效性检验的方法对上海股市的弱式有效性进行检验,检验结果表明上海股票市场未达到弱式有效,市场具有一定的可预测性。其中,文献中通常采用均值比较的t检验法检验技术指标交易规则的可获利性,但同时检验其风险性的并不多见。本文采用回归-GARCH模型实证了移动均线指标技术分析交易规则具有获利性和回避风险性。本文的创新还体现在所采用的预测方法上,文献中常见的是用EGARCH模型来对收益率的波动性进行估计,本文尝试使用ARIMA模型、EGARCH模型及传递函数模型对股价波动趋势进行短期预测。首先利用5日移动平均方法对上证指数日收盘价数据进行了适当的降噪处理,然后对此趋势序列进行了ARIMA建模、EGARCH建模及传递函数建模分析。在不同模型预测误差比较方面,采用了多时段、多步预测误差求平均值的方法,这种方法可以减少模型预测误差的随机性,提高预测结果的可信度。通过与不同模型的预测误差比较发现,整体上EGARCH模型的预测效果优于ARIMA模型,传递函数模型的预测效果优于传统的ARIMA模型和EGARCH模型。对于带有多个高度相关的输入变量的传递函数模型,本文提出了一种基于输入输出序列的相关性进行加权构造新输入变量的方法,这样建立的传递函数模型优于直接建立或剔除多个而只保留一个输入变量的传递函数模型。