1. 研究目的与意义及国内外研究现状

股票市场与国家的经济紧密相连，是金融市场的重要组成部分，经济学家将其称为国家经济的晴雨表，可见股票市场的变化时刻反映了国家的经济发展状况。但由于股票价格的变化受多种因素，如国家的宏观经济发展、市场的供给和需求、公司的运营情况、股民的信心等的影响，所以股票的市场价格呈现出高低起伏波动的特征，似乎没有一定的规律可循。对股票波动逻辑的认知这一世界级难题，人类尚没有找到任何一种令人信服并且能够经得起时间检验理论和方法。对股票市场的波动特征及其影响因素的研究是学者们和投资者所关注的焦点问题之一。对政府而言，其面临着如何有效地对市场进行监管、防范金融风险、以充分发挥其积极的一面;对投资者而言，其面临着如何在最小化投资风险的同时最大化投资收益。而且在经历了多次惊心动魄的市场变化后，随看我国证券市场的迅速发展，要想在股票行情的大起大落和漫长等待中获得成功，投资者最重

要的手段之一就是具有对市场进行分析预测的能力。可见对股市的研究不仅存在着极其惊人的应用价值，也具有重大的理论意义。本文将通过股价预测模型中两个常用模型：时间序列模型和灰色预测模型进行深入研究，结合两个模型之所长，建立两者的组合模型，从而更好地对股价进行预测，为投资者，政府等制定相关计划提供依据。

国内外研究现状

1976年，c. p. box和g.m.jenkins1g. m. jenkins发表专著《时间序列分析:预测和控制》，提出的自回归求和移动平均模型(autoregressive integrated moving average models，简称arima模型)，实现将非平稳时间序列经过d阶差分平稳化，然后对得到的平稳时间序列利用自回归过程(ar (p) process)，和滑动平均过程(ma (q) process)以及样本自相关系数(acf)和偏自相关系数(pcf)等数据对模型进行识别，并提出了一整套的建模、估计、检验和控制方法。在本领域内形成迄今为止最通用的时间序列预测方法。郝博乾[3]在《基于时间序列分析的股票预测模型研究》中提到当原始序列趋势不是很明显时，可以用延迟因变量回归模型来进行模拟。考虑到数据序列存在异方差的情况，郝博乾建立了ar(m)-garch(p,q)模型，以期预测序列的发展趋势。实证表明，这两种模型的预测精度也很高，但不具有广泛性。灰色系统理论「8. 9. 411自1982年由邓聚龙教授提出以来，由最初的应用于控制理论，经过国内外许多学者、科技人员的深入研究发展到现在成功的应用于社会系统、经济系统、生态系统等。陈晶鑫将灰色理论应用于股价预测，并建立了基于灰色的arma-garch模型。yi-hsien wang将灰色与garch方法结合，利用神经网络预测股票指数期权价格。

2. 研究的基本内容

本文首先介绍了股价预测模型的背景、理论意义以及国内外研究现状。其次简单介绍了股价预测模型中两个常用的模型：时间序列预测模型和灰色预测模型的理论知识以及模型的适用条件。然后，在总结两个模型的基础之上，结合两个模型的优点，对原始序列先进行GM（1，1）建模，随后对灰色预测模型得到的残差建立ARIMA模型，将两者的预测值相加，即得到ARIMA和灰色预测GM（1，1）相结合的股价预测模型。最后，以亿利洁能股票为例，研究其在2015年4月1日至2016年4月1日的日收盘价的变动规律，分别建立了灰色预测模型，ARIMA模型以及GM(1,1)-ARIMA相结合的模型来对其发展趋势进行了预测。在实证的分析比较之下，得出基于GM-ARIMA组合模型能够更好地对数据序列进行拟合，且具有良好的预测性能。

3. 实施方案、进度安排及预期效果

1) 查阅相关文献，了解相关课题的国内外研究现状。预计在3月15号前完成。

2) 对时间序列模型和灰色预测模型的相关理论知识进行整理，预计在3月底之前完成，期望能掌握这两种模型的优缺点及适用条件。

3) 收集亿利能源的历史股价数据，并进行数据预处理。预计在4月5日左右完成。

4. 参考文献

[1]郝博乾. 基于时间序列分析的股票预测模型研究[d].电子科技大学硕士论文,2011.

[2]赵国顺. 基于时间序列分析的股票价格趋势预测研究[d].厦门大学硕士论文,2009.

[3]尤作军. 时间序列分析在股票中的研究与应用[d]. 沈阳工业大学硕士论文, 2014