内容摘要：深证成分指数是代表深圳上市公司的股价指数，它反映了深圳整体上市股票的变化。通过时间序列分析对深证成分指数进行建模分析，有利于深圳证劵市场的健康发展，为投资者提供更合理的基准指标，对实际应用具有重要意义。深圳股票市场信息每分每秒都在变化，导致股票价格也一直在波动。该研究主要运用ARIMA模型和GARCH模型对深成指的日收盘价格进行处理，将不平稳的序列变为平稳性时间序列。运用时间序列模型理论，对平稳性序列选择模型的阶数建立了ARIMA(1,1,1)模型，接着对模型残差通过ARCH效应检验，进一步建立GARCH(1,1)模型，消除存在的异方差性，最后联立ARIMA(1,1,1)-GARCH(1,1)模型预测未来变化，验证了该模型是适用性和股票价格的杠杆效应。

关键词：ARIMA模型；GARCH模型；深证成分指数

目录

内容摘要

Abstract

1绪论-1

1.1研究背景与目的-1

1.2国内外文献综述-2

1.3本文主要研究工作-3

2 模型理论-5

2.1 ARIMA模型-5

2.2 GARCH模型-6

2.3 ARIMA-GARCH模型-8

2.4 LM检验-8

3数据的提取和预处理-10

3.1数据的来源-10

3.2数据预处理-10

3.2.1平稳性检验-12

3.2.2 正态性检验-13

3.2.3 ACF图和PACF图-13

4建立模型-15

4.1ARIMA模型的建立-15

4.2 模型检验-16

4.2.1 白噪声检验-16

4.2.2残差图分析-16

4.2.3 Ljung-Box检验-17

4.3建立GARCH模型-18

4.3.1 ARCH效应检验-18

4.4 GARCH模型估计-18

4.4.1残差分析-20

4.5 ARIMA-GARCH组合模型-20

5总结与展望-23

5.1总结-23

5.2展望-23

参考文献-25

致谢