文献综述
文 献 综 述引言对于股票的价格预测是一个由来已久的话题，吸引的不仅仅是专家学者，还有甚多的投资者。
但是金融时间序列所具有的非线性、非平稳性等特点则极大加深了股票价格的预测难度。
时间序列的预测作为一种基于ARIMA模型的传统股票预测方法，即使过去了许久时间，总体效果依旧是不错的。
李奋华,赵润林【1】使用ARIMA预测模型和指数平滑预测方法对北京利尔股票数据进行了走势预测，预测结果与实际结果比较发现，ARIMA模型对股票价格的预测效果要远好于指数平滑预测方法，在真实股票数据集上进行了实验，预测效果较好，能够在一定程度上帮助投资者规避投资风险，同时还能够对股票市场管理提供有效的决策支持，具有一定的实用价值。
刘松,张帅【2】以ARIMA 模型作为预测模型，通过 Python 工具，得出不同ARIMA模型的BIC值，得出ARIMA（1,0）的BIC值最小，从而画出QQ图，最终得出对股票的未来几天预测值与真实值最大误差不超过0.04。
这表明，以 ARIMA 模型对股价进行短期预测具有很好的效果，能够为股市投资者提供些许帮助。
他们改变了以 Eviews 软件来作为实现工具的传统方式，填补了以 Python 工具实现 ARIMA 模型来对股价预测领域的空白。
张婕【3】建立ARIMA模型，对深交所股票东阿阿胶日收盘价进行短期预测，预测值与实际值相对误差小,GARCH 模型较好地拟合了股票价格, 并估计出了风险区间, 能为短期投资者和股票决策者提供参考。
传统方法在股票预测的应用中，还是非常有效的，预测结果均与实际结果相差不大。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
