一、文献综述
（一）国内外研究现状
1.国外研究现状
时间序列分析是数理统计学的一个重要分支，是对随机过程研究的重要工具，它起源于本世纪二十年代，最早是为了市场预测，而如今时间序列分析的应用越来越广泛，越来越深入。国外对时间序列模型的研究开始较早，并广泛应用于金融领域。
1927年，G.U.Yule首先提出了AR（Autoregressive）模型，此后，逐步发展出了ARMA（Autoregressive Moving Average）模型、多维ARMA模型等。西蒙·史蒂芬利用ARIMA（Autoregressive Integrated Moving Average）模型对美国房地产市场的价格走势进行预测，发现对时间序列的线性趋势有比较好的预测作用，合乎要求的时间序列是保证ARIMA模型预测精度的前提。MdZakir，Hossain等人针对期货市场三种豆类的价格，通过ARIMA模型进行了分析预测，发现这一模型的预测精度是令人满意的。
Feng Maa, Jing Liua, Dengshi Huanga, Wang Chen等人为原油期货实现区间波动率（RRV）的建模与预测提供了一个新的视角。其首先考虑了已实现的基于范围的波动率的显著跳变分量、有符号收益和波动性，对已实现极差波动率（HAR-RRV）模型的异构自回归模型进行了改进。其实证结果表明，石油期货市场存在显著的波动性。此外，他们还提出了具有显著跳跃成分、有符号回报和波动性的新模型与HAR-RRV模型相比将获得更高的预测精度。
2.国内研究现状
《时间序列的分析和应用》是我国第一本相关专著，在我国，时间序列的研究与应用起步较晚，而在此后时间序列分析在各个领域获得了广泛深化与发展。在国内的研究中，可以分为两种研究方式:一种采用单一模型的检验及预测，另一种以两个或两个以上的模型进行预测并比较。而主要采用的模型有:ARMA模型，ARIMA模型， ARCH模型，GARCH模型及其扩展模型等。
褚冬（2015）选取大豆期货为研究对象，使用大豆期货指数的日收盘价数据，运用传统的ARMA模型与改进后的ARCH类模型进行研究，以精确分析其短期走势，而非基本分析其大致的长期走向，并根据ARMA模型存在自回归异方差这一现象，在此之上建立了改进的ARCH模型。之后又对GARCH模型、GARCH－M模型、TGARCH模型、组合GARCH模型进行了研究，根据其系数的显著性否定了GARCH－M模型和TGARCH模型，因为风险因素和外部利好利空的消息对大豆期货价格的影响已经包含在发生的历史价格之中，而并非对价格没有影响。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
