叶 康，邓晓卫，吕学斌

(南京工业大学 数理科学学院，江苏 南京 211816)

一、引言

股票市场指数是由证券交易所或相关金融机构编制的反映股票市场走势的一类时间序列数据。根据设定的目标不同，计算指数的股票样本抽取的范围就不同，从而形成了各种不同的指数，如上证50、沪深300、中证500、工业指数、商业指数等。这些指数构成了衡量股票市场整体或某行业股票价格水平及其变动趋势的重要指标，一定程度上也是一个国家政治、经济发展状态或一个行业发展状态的“晴雨表”。各类指数或从总体或从不同侧面体现了证券市场价格变化的状况以及不同行业的景气程度，能够反映市场热点变化方向，因此，根据指数变化状况来决定投资方向，根据各类指数的样本股票的构成来确定权益投资配置比例，是目前大部分投资者特别是机构投资者的重要投资策略；进而，对证券市场各种指数走势进行预测，对其未来发展趋势做出预判，以保证投资决策尽可能规避风险获取稳定收益，更是个人和机构投资者十分关注的核心问题。

研究股票市场指数走势规律，对指数未来走势进行预测，传统使用的方法是经典的时间序列分析方法，如：自回归积分移动平均(ARIMA)模型、自回归条件异方差(ARCH)模型、广义自回归条件异方差(GARCH)模型等[1-3]。然而，随着世界政治、经济形势越来越复杂，各国经济之间的相互交融与渗透越来越深入，证券市场受外界干扰、影响的程度就越来越大。……