摘要:本文主要通过介绍ARIMA模型及其原理进而将其与实际问题相结合，分析及预测出了招商地产股票价格，结果表明ARIMA模型在短期内预测的误差较小，但当时间越长误差越大。为了减少误差，可以将总体数据分成几个短期的样本数据，再根据样本数据依次对样本建立相应的模型然后进行预测。除此之外还可将ARIMA模型与其他模型相结合，可以发挥其各自特有的优势进行模型的预测，这在一定程度上能减小误差。在利用数学模型预测的基础上还可与股票的基本面相结合进行分析，这样才能更加准确的把握该股票。
关键词：ARIMA模型 股票价格预测 EVIEWS软件
目录
摘要
Abstract
引言1
1 国内外研究状况-2
1.1 ARIMA模型概况-2
1.2 ARIMA模型的应用概况-2
1.3 运用ARIMA模型进行股票价格预测相关研究-3
2 ARIMA模型-5
2.1 ARIMA模型的过程介绍-5
2.1.1 自回归（AR）过程-5
2.1.1.1 模型形式-5
2.1.1.2 平稳条件-6
2.1.2 移动平均过程MA(q)-6
2.1.2.1 移动平均过程的特征-7
2.1.2.2 可逆条件-7
2.1.3 自回归移动平均过程ARMA-7
2.1.3.1 模型形式-7
2.1.3.2 平稳条件与可逆条件-8
2.1.3.3 ARMA模型的特征-8
2.2 ARIMA建模步骤-9
2.2.1 模型识别-9
2.2.1.1 识别ARIMA模型的工具-9
2.2.2 模型估计-9
2.2.2.1 矩估计法-9
2.2.2.2 极大似然估计法-10
2.2.2.3 最小二乘估计法-10
2.2.3 模型的诊断检验-10
2.2.4 模型预测-10
3 Eviews软件简介-11
3.1 Eviews软件的产生及其发展-11
3.2 Eviews软件的使用及ARIMA建模实例-11
4 ARIMA模型在股价预测方面的实例-16
4.1 招商地产股票数据及分析-16
4.2 利用EVIEWS 6.0进行ARIMA模型预测-17
4.3 结果分析-21
结论-23
致谢-24
参考文献-25
