1.1 研究目的及意义

股票是市场经济的产物，股票的发行与交易促进了市场经济的发展。由于股市行情受经济、政治、社会文化等因素(如发行公司的经营状况和财务状况、新股上市、利率水平、汇率变动、国际收支、物价因素、经济周期、经济政策等)的作用，其内部规律非常复杂，变化周期无序，同时我国资本市场投资者结构具有特殊性，投资者个人心理状态不同，对股票交易的行为可产生直接影响，从而导致股价波动，使股价走势变化莫测，难以把握。

作为市场经济重要特征的股票市场，从诞生的那天起就牵动着数以千万投资者的心。高风险高回报是股票市场的特征，因此股票投资者们时刻在关心股市、分析股市、试图预测股市的发展趋势。股票市场作为社会主义经济的重要组成部分，为我国的经济发展发挥着重要的作用。研究股票的预测能够指导投资者进行有益的投资，不仅可以为个人提供利润，更可以为国家经济发展做出贡献。

时间序列分析是经济领域研究的重要工具之一，它不仅可以描述历史数据随时间变化的规律，还可以用于经济领域的研究预测。在股票市场上，时间序列预测法常用于对股票价格趋势进行预测，为投资者提供决策依据。

1.2 国内外研究现状

时间序列分析已成为金融市场研究的不可缺少的部分，是金融定量分析的重要方法之一。金融市场的许多研究成果都建立在时间序列分析的基之上，时至今日金融时间序列方法的重要性在世界上已被广泛认可。

现代金融时间序列分析克服了传统的经济计量学的缺陷，近年来得到了快速的发展和广泛的应用。1952年Markowitz首次提出了投资组合理论（Portfolio Theory），1963年Sharpe提出了资本资产定价模型（Capital Asset Pricing Model 简称CAPM），1965年和1970年Fama分别对股价行为进行了研究并对有效市场的研究进行综述，1976年Black、Scholes等人提出了期权定价理论（option pricing theory），1976年Ross在总结分析的基础上提出套利定价模型（Arbitrage Pricing Theory 简称APT），1982年，Hensen提出广义矩估计（Generalized method of moments），Engle提出了具有巨大影响力的ARCH模型（自回归条件异方差模型），1994年Hansen提出高阶矩建模，1999年Harvey等人在前人的基础上提出了自回归条件偏度建模，2005年Leon等提出了峰度建模、自回归条件偏度。

2. 研究的基本内容与方案

2.1设计的基本内容

本设计采用神经网络算法这种非线性、非参数模型，根据股票的相关参数的时间序列，构建相关模型，进行训练并使用测试集进行验证，实现对金融时间序列的预测工作。

2.2设计的目标