时间序列分析是统计学中一个重要分支,近些年来各种时间序列模型在各个领域被广泛用于数据分析预测,特别在金融领域.AR模型是最早的金融时间序列模型,对AR模型自回归参数估计方法很多,估计的效果也不尽相同.而GARCH模型可以说是为金融领域量身定做的时间序列模型,不同分布下的GARCH类模型对股市刻画及风险价值预测中效果和特点不尽相同.因此,对AR模型和GARCH类模型预测研究具有重要意义.本文主要研究改进后的AR(1)模型预测区间在模拟中的效果及对AR(1)模型参数估计方法及预测研究,同时利用不同GARCH模型对深圳综指和上证指数进行实证研究.首先,对AR(1)模型自回归参数采用中位数估计构造该模型预测区间,一种是不带单位根检验的,另一种带单位根检验.然后进行蒙特卡罗模拟实验,通过比较发现样带单位根检验的预测区间无论从区间覆盖率还是平均长度方面效果都好一些.接着在对AR(1)模型采用不同参数估计方法进行建模分析,进而采用不同预测方法进行预测,发现在平稳状态下最小二乘估计估计效果良好.其次,基于不同GARCH模型下的深市收益率研究表明该股市具有杠杆效应,通过比较发现EGARCH-t模型能够很好刻画深市收益率序列特征.同时采用不同分布下的IGARCH和TGARCH模型对上证指数进行研究,发现GED分布下的TGARCH模型能够很好的刻画上证收益率序列特征,进而计算出各个模型下的风险价值,接着对计算出来的VaR进行了Kupiec检验,通过检验可以看出GED分布下的TGARCH模型在风险度量方面效果最好.最后,讨论一下目前存在的一些相关问题及未来研究的展望.