1. 研究目的与意义
九十年代初，我国先后建立了上海和深圳两大证券交易所，到目前为止，我国股票账户是目前社会参与程度最高的金融市场。
通过建立合理的模型对股票价格趋势进行短期预测，同时利用不断更新的数据应用到模型中做出新的预测，我们就可以实现连续预测，这对投资者如何较好地把握买卖时机将起到重要的指导作用。
目前证券投资已经成为社会生活的一个重要部分，证券市场的运行状况对我国实体经济的影响逐渐加深，正在真正发挥着国民经济#8220;晴雨表#8221;和#8220;报警器#8221;的作用，深刻理解股票市场的运行规律，预测分析股票价格的未来走势，无论是对广大投资者的降低投资风险还是宏观经济管理部门的宏观调控，保障我国证券市场的健康持续发展，都有着十分重要的意义。
2. 研究内容和预期目标
股票价格的时间序列一直对预测者有着巨大的吸引力，是各种预测方法应用的热门领域。
本文系统论述了股票价格预测理论方法体系，以股价短期趋势时间序列建立ARIMA模型和AR-GARCH模型，希望可以帮助投资者规避风险，把握买卖时机。
本文共分为五章：第一章是绪论，主要介绍研究的背景和意义；第二章主要论述现阶段国内外研究现状；第三章对传统的基本分析和技术分析进行比较详细的阐述；第四章论述了基于时间序列的分析预测方法，着重描写ARIMA和GARCH模型；第五章对文章进行小结。
3. 国内外研究现状
人们对以股票价格为代表的各种金融资产价格的分析预测方法的研究，从股票市场和各种金融市场的出现开始，就没有停止过，涌现出了各种各样的分析方法体系。
虽然这些方法派系众多，但从其出发点和分析对象来考虑，可以分为基本分析(fundamental analysis)和技术分析(technical analysis)两大类。
基本分析是通过研究影响证券价格的基本因素，确定证券的内在价值，找出被市场错误定价的证券，买入并长期持有，直到证券的市场价格恢复到其内在价值为止。
4. 计划与进度安排
本文共分为五章：第一章是绪论，主要介绍研究的背景和意义；第二章主要论述现阶段国内外研究现状；第三章对传统的基本分析和技术分析进行比较详细的阐述；第四章论述了基于时间序列的分析预测方法，着重描写ARIMA和GARCH模型；第五章对文章进行小结。
5. 参考文献
[1]高惠漩等.SAS系统SAS/ETS软件使用手册[M].北京:中国统计出版社，1998.[2]朱世武，严玉星.金融数据库[M].北京:清华大学出版社，2007.[3]王燕.应用时间序列分析[M].北京:中国人民大学出版社，2008.[4]朱世武.基于SAS系统的金融计算[M].北京:清华大学出版社，2004.[5]朱世武.SAS编程技术教程[M]，北京:清华大学出版社，2007.[6]马超群，兰秋军，陈为民.金融数据挖掘[M].北京:科学出版社，2007.[7]王振龙著.时间序列分析[M].北京:中国统计出版社，2002.[8]Bollerslev Tim. Generalized Autoregressive Conditional Heteroscedasticity [J]，Journal ofEconometrics ,1986: 31一32.[9]Christian Gourieroux. ARCH Models and Financial Applications [J]. New York: Springer-verlag ,1997 , 27一28.
