摘要
股票价格预测一直是金融领域备受关注的课题，精确的预测能够为投资者提供决策支持，降低投资风险，提高投资收益。
然而，股票价格受多种复杂因素影响，呈现出非线性、非平稳的特征，传统预测模型难以取得令人满意的效果。
近年来，随着统计学和机器学习的快速发展，ARIMA模型和神经网络模型在股票价格预测领域得到广泛应用。
ARIMA模型作为一种经典的时间序列预测方法，能够有效捕捉股票价格历史数据中的线性关系和季节性规律。
而神经网络模型则凭借其强大的非线性拟合能力和自适应学习能力，能够更好地处理股票价格的非线性特征和复杂模式。
本文首先介绍了股票价格预测的相关概念，包括股票价格影响因素、有效市场假说以及常见的股票价格预测方法。
然后，重点阐述了ARIMA模型和神经网络模型的原理、优缺点以及在股票价格预测中的应用现状。
接着，对现有的基于ARIMA模型和神经网络模型的股票价格预测研究进行了综述，并对不同模型的预测性能进行了比较分析。
最后，总结了当前研究中存在的问题，并对未来研究方向进行了展望。
关键词：股票价格预测；ARIMA模型；神经网络；机器学习；时间序列分析
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
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。
