1 研究现状

在许多西方发达资本主义国家，学者对经济预测进行了深入的研究，已经构建了较为成熟的理论和体系。J.H.Stock(1996)在时间序列的经济预测方面取得了重大进展。时间序列预测是基于对经济过程的理解，然后利用历史经验规律，做出未来的预测。经济预测已经广泛应用于各领域，其中就包括制定货币和财政政策、国家和地方预算等。经济预测的关键要素包括：选择适合当前问题的预测模型，评估和传递与预测相关的不确定性，并防范模型的不稳定性[1]。LIU和MORLEY(2009)认为传统计量经济模型存在产生严重偏差的可能。基于该问题，学者们尝试不断地改进传统计量模型，其中就包括基于GARCH的股票价格预测模型[2]。Lam等人(2013)选取2011年6月至2012年10月收集的每日库存记录用于模型建设，用神经网络方法针对大同煤矿公司的短期股价趋势进行了预测，研究结果表明，该模型可以预测股票价格的走势[3]。

目前国内学者对股票价格预测已经进行了较深入的研究。孔华强(2006)为研究深证100和上证180的波动性，运用EGARCH(1，1)-M模型对所研究指数进行了拟合[4]。江涛(2010)基于GARCH(1，1)模型度量和分析了股票市场的风险问题，认为市场风险是影响市场收益率的一个主要因素[5]。李嘉松(2017)以沪深300指数为例，使用Eviews软件建立ARIMA模型，指出造成其实际值和预测值之间有差异的原因，为投资者提供沪深300指数的预测方法，来作为未来进行股票投资和金融衍生产品投资的参考[6]。王惠星等(2017)建立时间序列模型对上证50指数数据进行定量分析，在分析的基础上开展对指数未来趋势的预测，结果发现该模型对小样本投资组合的市场走势具有较好的模拟效果[7]。……