时间序列分析课程设计报告
时间序列分析实验报告（3）
时间序列分析实验报告（3）《时间序列分析》课程实验报告⼀、上机练习（P124）1.拟合线性趋势12.79 14.02 12.92 18.27 21.22 18.8125.73 26.27 26.75 28.73 31.71 33.95data a;input gov_cons@@;time=intnx('year','1jan1981'd,_n_-1);format time year2.;t=_n_;cards;12.79 14.02 12.92 18.27 21.22 18.8125.73 26.27 26.75 28.73 31.71 33.95;proc gplot;plot gov_cons*time=1;symbol1c=black v=star i=join;run;proc autoreg;model gov_cons=t;output out=out p=forecast;proc gplot data=out;plot gov_cons*time=1 forecast*time=2/overlay haxis='1jan1981'd to '1jan1993'd by year;symbol2c=red v=none i=join w=2l=3;run;分析：由上图可得DW的统计量等于2.7269，R⽅等于0.9555，SBC的值为48.3900913，AIC的值为47.420278.⼀元线性模型的截距等于9.7086，系数等于1.9829，且P<0.0001，故拒绝原假设，存在显著的线性关系。
2.拟合⾮线性趋势1.85 7.48 14.29 23.02 37.42 74.27 140.72265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95data b;input index@@; time=intnx('year','1jan1991'd,_n_-1);format time year2.;t=_n_;t2=t**2;cards;1.85 7.48 14.29 23.02 37.42 74.27 140.72265.81 528.23 1040.27 2064.25 4113.73 8212.21 16405.95;proc gplot;plot index*time=1;symbol1c=black v=star i=join;proc reg;model index=t t2;model index=t2;output out=out p=index_cup;proc gplot data=out;plot index*time=1 index_cup*time=2/overlay ; symbol2 c =red v =none i =join w =2 l =3; run ;分析：⽅差结果显⽰，8435.02=R ，说明因变量84.35%由模型确定，P<0.0001，所以模型显著。
时间序列分析课程设计
时间序列分析课程设计一、课程目标知识目标：1. 让学生理解时间序列分析的基本概念，掌握时间序列数据的结构特征和常见的时间序列模型。
2. 使学生掌握时间序列平稳性检验和自相关函数、偏自相关函数的绘制与分析方法。
3. 帮助学生了解时间序列预测的常用算法，如ARIMA模型、指数平滑等，并掌握其应用场景。
技能目标：1. 培养学生运用时间序列分析方法处理实际问题的能力，学会运用统计软件进行时间序列数据的分析、建模和预测。
2. 提高学生运用所学知识解决实际问题时的时间序列模型选择和参数估计能力。
情感态度价值观目标：1. 培养学生对时间序列分析的兴趣，激发学生主动探索和研究的精神。
2. 引导学生认识到时间序列分析在实际问题中的应用价值，提高学生的数据分析和解决实际问题的能力。
3. 培养学生的团队合作意识，提高学生在团队中沟通、协作的能力。
课程性质分析：本课程为数据分析方向的专业课程，旨在帮助学生掌握时间序列分析的基本理论和方法，培养学生运用时间序列分析解决实际问题的能力。
学生特点分析：学生为高年级本科生，已具备一定的数学基础和统计分析能力，对时间序列分析有一定的了解，但尚需深化理论知识，提高实际操作能力。
教学要求：1. 结合实际案例，注重理论与实践相结合，提高学生的实际操作能力。
2. 采取启发式教学，引导学生主动参与课堂讨论，培养学生的创新思维。
3. 强化课堂互动，关注学生的个体差异，提高教学效果。
二、教学内容1. 时间序列分析基本概念：时间序列的定义、时间序列数据的组成、时间序列的分类及性质。
教材章节：第一章 时间序列分析概述2. 时间序列数据的预处理：数据清洗、数据变换、平稳性检验。
教材章节：第二章 时间序列数据的预处理3. 时间序列模型：自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）、自回归积分滑动平均模型（ARIMA）。
教材章节：第三章 时间序列模型4. 时间序列预测方法：指数平滑法、季节性模型、周期性模型。
时间序列分析课程报告
电子科技大学时间序列分析基于时间序列分析的乘客人数预测摘要：本文基于国际航空公司部分年限每个月的乘客数据，给出了一般非平稳时间序列的处理方式，通过对数据的预处理和分析，我们可以大致确定一个时间序列的平稳性，在确保了平稳性的基础之上后续的分析和建模才能顺利展开。
通过构建ARIMA模型能够对大部分的时间序列产生较好的拟合结果，除此之外，本文还将数据集进行了一定的划分，使得训练和验证能够独立进行，能够检验模型的泛化能力，使得整个预测能够达到比较好的效果。
关键词：时间序列，ARIMA，分析和建模一．研究背景时间序列最早起源于古埃及人把尼罗河涨落的情况逐天记录下来,构成了所谓最早的时间序列相关的概念。
初期的时间序列分析通常都是通过直观的数据比较或绘图观测,寻找序列中蕴含的发展规律，尼罗河周期性泛滥的规律发现就是依靠这种原始的分析方法。
一个重要的转折点则是随机变量的引入，因为与时间序列相关的问题经常呈现出非常强的随机性，人们发现依靠单纯的描述性时序分析已不能准确地寻找出随机变量发展变化的规律。
为了更准确地估计随机序列发展变化的规律，从20世纪20年代开始,一个大的趋势就是利用数理统计学的相关原理分析时间序列，研究的重心从表面现象的总结转移到分析序列值内在的相关关系上，由此开辟了应用统计学科[1]：时间序列分析。
关于时间序列分析方法，最早起源于1927年数学家Yule提出的自回归模型(AR 模型)，用来预测市场变化的规律。
1931年，另一位数学家在AR模型的启发下,建立了移动平均模型(MA模型)，初步奠定了时间序列分析方法的基础。
随后又逐渐提出其他模型，逐渐形成完整的时间序列分析方法。
当前时间序列分析方法迈上了一个新的台阶,在工程领域方面的应用非常广泛，随着计算机技术和信号处理技术的迅速发展,时间序列分析理论和方法更趋完善。
具体而言，按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。
对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。
时间序列分析课程设计报告
安徽建筑大学时间序列分析课程设计报告书院系数理学院专业统计学班级统计学三班学号 11207040302 姓名朱敏指导教师俞泽鹏基于时间序列分析的股票预测模型研究摘要在现代金融浪潮的推动下,越来越多的人加入到股市,进行投资行为,以期得到丰厚的回报,这极大促进了股票市场的繁荣。
而在这种投资行为的背后,越来越多的投资者逐渐意识到股市预测的重要性。
所谓股票预测是指:根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。
这种预测行为只是基于假定的因素为既定的前提条件为基础的。
但是在股票市场中,行情的变化与国家的宏观经济发展、法律法规的制定、公司的运营、股民的信心等等都有关联,因此所谓的预测难于准确预计。
即使是证券分析师的预测也只能作为股民入市操作的一般参考意见。
时间序列数据因为接受到许多偶然因素的影响,会常常表现出随机性,在统计学上称之为序列的依赖关系。
时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测经济数据。
在股票市场上,时间序列预测法常用于对股票价格趋势进行预测,为投资者和股票市场管理管理方提供决策依据。
本文主要介绍了时间序列分析方法的概念,性质,特点以及时间序列模型,包括建模时对数据时间序列的预处理、模型识别、参数估计、模型检验、模型优化以及模型预测等。
并根据道琼斯指数对收盘价进行短期预测,通过对时间序列分析理论的实证研究分析,建立时间序列模型,说明时间序列分析的方法对于股票价格的预测趋势有一定的参考价值。
关键词：股票，预测，时间序列分析，AR（1 ）模型ABSTRACTIn the modern financial wave, more and more people join the stock market to invest, expecting to get rich return, which has greatly promoted the stock market’s prosperity. While under this behavior, an increasing large number of people become to realize the importance of stock forecast. The so-called stock forecast is defined: with the help of the stock’s recent condition, we’ll predict the future stock’s development, including its later development directions and fluctuations. This prediction based on the assumption of behavior is the prerequisite for established factor basis. But the stock’s index is always changing with the country’s macroeconomic development, the formulation of laws and regulations, the company’s operations, the confidence of investors and so on, which results in that it is very difficult to accurately predict. Even securities analysts’forecast results can only be operated as a general reference. Time-series data often show some kinds of randomness and dependence between each other because of the influence of various accidental factors. Time series analysis is one of the most important tools for economy research, and it describe the variation of data with time, and used to forecast economic data.Time series analysis is often used to predict the stock price, which provides decision-making basis for investors and the stock market managers. This thesis mainly introduces time series analysis theory, including its notion, character as well as the expression and description of some models derived from it ,including method of data simulation, method of parameter estimation and method of testing degree of fitting and arrange them by the numbers. And according to the Dow Jonesindex, we may predict the closing price trend for short-term with the help of time series analysis theory. Therefore we can establish some models, we could prove that the method has some value for predicting the stock’s trend by means of model fitting effect and error analysis.Keywords: stock, predict, time series analysis, AR（1）model目录一、引言1.1研究背景1.2研究意义1.3选题依据二、基于时间序列分析的股票预测模型的实例分析2.1绘制时序图2.2平稳性检验2.3纯随机性检验2.4模型的识别与拟合2.5模型的检验2.6序列预测一、引言股票是股份公司（包括有限公司和无限公司）在筹集资本时向出资人发行的股份凭证，代表着其持有者（即股东）对股份公司的所有权。
时间序列分析课程设计结论
时间序列分析课程设计结论一、课程目标知识目标：1. 让学生掌握时间序列分析的基本概念，如趋势、季节性和周期性；2. 培养学生运用时间序列分析方法对数据进行预处理、建模和预测的能力；3. 使学生了解时间序列分析在不同领域的应用，如经济学、气象学等。
技能目标：1. 培养学生运用统计软件进行时间序列数据分析和处理的能力；2. 培养学生根据实际问题时选择合适的时间序列模型进行分析的能力；3. 培养学生运用时间序列模型进行数据预测和决策的能力。
情感态度价值观目标：1. 激发学生对时间序列分析的兴趣，培养其主动探索和研究的意识；2. 培养学生严谨的科学态度，注重数据分析的客观性和准确性；3. 增强学生的团队合作意识，使其在合作学习中相互启发、共同进步。
课程性质分析：本课程为数据分析相关学科，旨在培养学生运用时间序列分析方法解决实际问题的能力。
结合学生特点和教学要求，课程设计注重理论与实践相结合，强调学生的动手操作能力和创新思维。
学生特点分析：学生具备一定的数学基础和统计知识，对数据分析有一定了解，但可能对时间序列分析的具体应用和方法掌握不足。
教学要求分析：1. 注重引导学生从实际问题中提炼出时间序列分析的关键要素；2. 强调学生对时间序列模型的建立、参数估计和预测方法的掌握；3. 通过案例分析和课堂讨论，提高学生的实际操作能力和解决问题的能力。
二、教学内容1. 时间序列分析基本概念：介绍时间序列的定义、组成要素（趋势、季节性、周期性、随机性）以及相关统计指标。
教材章节：第一章 时间序列分析概述2. 时间序列预处理：讲解时间序列数据的收集、整理、可视化等预处理方法，以及平稳性检验和差分等方法。
教材章节：第二章 时间序列数据的预处理3. 时间序列模型：介绍自回归模型（AR）、移动平均模型（MA）、自回归移动平均模型（ARMA）和自回归差分移动平均模型（ARIMA）等常见时间序列模型及其适用场景。
教材章节：第三章 时间序列模型及其应用4. 模型参数估计与检验：讲解时间序列模型的参数估计方法、拟合优度检验和预测误差分析等。
时间序列分析的实验报告-实验一
2013——2014学年第二学期
实验报告
课程名称：应用时间序列分析
实验项目：Eviews软件使用初步
实验类别：综合性□设计性□验证性□√专业班级：
姓名：学号：
实验地点：
实验时间：2014.5. 4
指导教师：成绩：
吉首大学数学与统计学院
一、实验目的：
掌握应用Eviews软件完成以下任务：（1）工作文件及建立；
（2）掌握数据分析的常用操作；（3）进行OLS回归；（4）预测二、实验内容：
用拟合的线性回归模型对数据集进行线性趋势拟合；数据来源是1996年黑龙江省伊春林区16个林业局的年木材采伐量和相关伐木剩余物数据。
三、实验方案（程序设计说明）
四. 实验步骤或程序（经调试后正确的源程序）
五．程序运行结果
六、实验总结
学生签名：
年月日
七、教师评语及成绩
教师签名：
年月日
1。
matlab时间序列分析课程设计
matlab时间序列分析课程设计一、课程目标知识目标：1. 理解时间序列分析的基本概念，掌握其数学表达和性质；2. 掌握使用MATLAB进行时间序列数据的处理、可视化及分析方法；3. 学习时间序列预测模型，如AR、MA、ARMA和ARIMA等，并了解其适用场景。
技能目标：1. 能够运用MATLAB软件进行时间序列数据的读取、预处理和存储；2. 能够利用MATLAB工具箱进行时间序列的图表绘制，并分析其特征；3. 能够运用所学时间序列模型对实际数据进行预测分析，并评估预测结果的准确性。
情感态度价值观目标：1. 培养学生主动探索、合作交流的学习态度，增强问题解决能力；2. 培养学生对数据分析的兴趣，提高数据分析素养，使其认识到数据在现实生活中的重要性；3. 引导学生关注时间序列分析在科学研究、工程实践等领域的应用，提高学生的专业素养。
课程性质分析：本课程为高年级本科或研究生阶段的数学、统计学、经济学等专业学生的专业选修课。
课程旨在使学生掌握时间序列分析的基本理论和方法，并能够运用MATLAB软件进行实际数据分析。
学生特点分析：学生已经具备一定的高等数学、统计学和计算机编程基础，具有较强的逻辑思维能力和动手操作能力。
教学要求：1. 理论与实践相结合，注重培养学生的实际操作能力；2. 采用案例教学，引导学生运用所学知识解决实际问题；3. 加强课堂讨论，鼓励学生提问、分享观点，提高课堂互动性。
二、教学内容1. 时间序列分析基本概念：时间序列的定义、平稳时间序列及其性质、白噪声过程。
2. MATLAB时间序列数据处理：数据导入与导出、数据预处理、时间序列数据可视化。
- 教材章节：第三章“时间序列数据及其预处理”3. 时间序列分析模型：- 自回归模型（AR）：模型原理、参数估计、预测方法。
- 教材章节：第四章“自回归模型”- 移动平均模型（MA）：模型原理、参数估计、预测方法。
- 教材章节：第五章“移动平均模型”- 自回归移动平均模型（ARMA）：模型原理、参数估计、预测方法。
时间序列的课程设计报告
时间序列的课程设计报告一、课程目标知识目标：1. 学生能理解时间序列的概念，掌握时间序列的基本组成和特点。
2. 学生能够运用所学知识，分析时间序列数据，识别其变化趋势和模式。
3. 学生能够运用时间序列预测方法，对给定数据进行短期预测。
技能目标：1. 学生能够运用统计软件或编程工具，对时间序列数据进行处理和分析。
2. 学生能够运用图表、报告等形式，清晰、准确地表达时间序列分析结果。
3. 学生能够运用时间序列模型，解决实际问题，提高数据分析能力。
情感态度价值观目标：1. 学生通过学习时间序列知识，培养对数据的敏感性和探究精神，增强数据分析的兴趣。
2. 学生在小组合作中，学会倾听、沟通、协作，培养团队精神和责任感。
3. 学生能够认识到时间序列分析在实际生活中的应用价值，提高学以致用的意识。
课程性质分析：本课程为数据分析相关学科，旨在帮助学生掌握时间序列分析的基本方法和技巧，提高解决实际问题的能力。
学生特点分析：本年级学生具备一定的数学基础和数据分析能力，对新鲜事物充满好奇，但可能缺乏实际应用经验。
教学要求：1. 结合课本知识，注重理论与实践相结合，提高学生的实际操作能力。
2. 注重启发式教学，引导学生主动探究，培养学生的创新思维。
3. 关注学生的个体差异，因材施教，提高教学质量。
二、教学内容1. 时间序列基本概念：时间序列的定义、组成元素、分类及应用场景。
2. 时间序列的特性：平稳性、趋势、季节性、周期性及随机性。
3. 时间序列预处理：数据清洗、缺失值处理、异常值检测与处理。
4. 时间序列分析方法：- 趋势分析：线性趋势、非线性趋势。
- 季节性分析：季节指数、季节性分解。
- 周期性分析：自相关函数、偏自相关函数。
- 随机分析：白噪声检验、ARIMA模型。
5. 时间序列预测方法：- 简单平均法、移动平均法、指数平滑法。
- ARIMA模型及其扩展模型。
- 机器学习方法：如神经网络、支持向量机等。
6. 实际案例分析与操作：结合课本案例，运用所学方法进行时间序列分析及预测。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
安徽建筑大学时间序列分析课程设计报告书院系数理学院专业统计学班级统计学三班学号11207040302姓名朱敏指导教师俞泽鹏基于时间序列分析的股票预测模型研究摘要在现代金融浪潮的推动下,越来越多的人加入到股市,进行投资行为,以期得到丰厚的回报,这极大促进了股票市场的繁荣。
而在这种投资行为的背后,越来越多的投资者逐渐意识到股市预测的重要性。
所谓股票预测是指:根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。
这种预测行为只是基于假定的因素为既定的前提条件为基础的。
但是在股票市场中,行情的变化与国家的宏观经济发展、法律法规的制定、公司的运营、股民的信心等等都有关联,因此所谓的预测难于准确预计。
即使是证券分析师的预测也只能作为股民入市操作的一般参考意见。
时间序列数据因为接受到许多偶然因素的影响,会常常表现出随机性,在统计学上称之为序列的依赖关系。
时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测经济数据。
在股票市场上,时间序列预测法常用于对股票价格趋势进行预测,为投资者和股票市场管理管理方提供决策依据。
本文主要介绍了时间序列分析方法的概念,性质,特点以及时间序列模型,包括建模时对数据时间序列的预处理、模型识别、参数估计、模型检验、模型优化以及模型预测等。
并根据道琼斯指数对收盘价进行短期预测,通过对时间序列分析理论的实证研究分析,建立时间序列模型,说明时间序列分析的方法对于股票价格的预测趋势有一定的参考价值。
关键词：股票，预测，时间序列分析，AR（1 ）模型ABSTRACTIn the modern financial wave, more and more people join the stock market to invest, expecting to get rich return, which has greatly promoted the stock market’s prosperity. While under this behavior, an increasing large number of people become to realize the importance of stock forecast. The so-called stock forecast is defined: with the help of the stock’s recent condition, we’ll predict the future stock’s development, including its later development directions and fluctuations. This prediction based on the assumption of behavior is the prerequisite for established factor basis. But the stock’s index is always changing with the country’s macroeconomic development, the formulation of laws and regulations, the company’s operations, the confidence of investors and so on, which results in that it is very difficult to accurately predict. Even securities analysts’forecast results can only be operated as a general reference. Time-series data often show some kinds of randomness and dependence between each other because of the influence of various accidental factors. Time series analysis is one of the most important tools for economy research, and it describe the variation of data with time, and used to forecast economic data.Time series analysis is often used to predict the stock price, which provides decision-making basis for investors and the stock market managers. This thesis mainly introduces time series analysis theory, including its notion, character as well as the expression and description of some models derived from it ,including method of data simulation, method of parameter estimation and method of testing degree of fitting and arrange them by the numbers. And according to the Dow Jonesindex, we may predict the closing price trend for short-term with the help of time series analysis theory. Therefore we can establish some models, we could prove that the method has some value for predicting the stock’s trend by means of model fitting effect and error analysis.Keywords: stock, predict, time series analysis, AR（1）model目录一、引言1.1研究背景1.2研究意义1.3选题依据二、基于时间序列分析的股票预测模型的实例分析2.1绘制时序图2.2平稳性检验2.3纯随机性检验2.4模型的识别与拟合2.5模型的检验2.6序列预测一、引言股票是股份公司（包括有限公司和无限公司）在筹集资本时向出资人发行的股份凭证，代表着其持有者（即股东）对股份公司的所有权。
这种所有权是一种综合权利，如参加股东大会、投票表决、参与公司的重大决策、收取股息或分享红利等。
每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。
股票一般可以通过买卖方式有偿转让，股东能通过股票转让收回其投资，但不能要求公司返还其出资。
股东与公司之间的关系不是债权债务关系。
股东是公司的所有者，以其出资额为限对公司负有限责任，承担风险，分享收益。
股票的特点：（1）不可偿还性；（2）参与性；（3）收益性；（4）流通性；（5）价格波动性和风险性。
股票市场是已经发行的股票按时价进行转让、买卖和流通的市场，包括交易所市场和场外交易市场两部分。
由于它是建立在发行市场基础上的，因此又称作二级市场。
相比而言，股票流通市场的结构和交易活动比发行市场更为复杂，其作用和影响也更大。
自从股票市场出现之后，一些投资者就积极研究其发展规律和发展趋势，并希望从中获得巨大的经济利益。
1.1研究背景股票市场与国家的经济紧密相连，是金融市场的重要组成部分，经济学家将其称为国家经济的晴雨表，可见股票市场的变化时刻反映国家的经济状况。
但是从某种角度看，它是缺乏统一的秩序的，即没有一定的规律性。
尽管人类创造了股票，但是却不了解它的运行规律。
自从股票市场产生以来，不计其数的经济学家和数学家亲尽全力试图去研究它，并创造出了许多的股票模型，以求了解它的发展规律。
股票价格的预测技术历史悠久，近年来有越来越多的学者假如到这个行列，所以又出现了很多的新方法与新理论。
尽管有很多的理论与技术出现，但总的来说，分为基本分析理论和技术分析理论两大类。
基本分析是根据股票的的供求关系来研究股票的价格走势，预测其发展趋势和发展规律。
技术分析是通过对股票的技术指标，将各个属性量化，研究其发展趋势。
基本分析的宗旨是对于现行的股票的价格是否合理作出假设并由此描述出长期的发展趋势，而技术分析对于投资者来说是为了把握时间上的合理度，即分析投资者何时可以买进何时可以卖出，为投资者提供决策分析。
近些年来，随着计算机技术的应用，人们对于股票分析的理论与技术的研究提高到更深的层面；呈现出多种理论与技术方法交叉的趋势，出现了跨学科、跨层次的研究，像近些年来出现的模糊数学、人工智能、神经网络、支持向量机和信息算法等各种预测分析理论的融合技术。
1.2研究意义金融市场中最让人着迷的问题就是研究证券的规律，包括证券价格的定价方法，证券价格的内在规律以及价格的未来走势等。
所以说，不管是经济学方面的专家学者或者数学、计算机研究领域的佼佼者都报着极大的兴趣，试图通过各种研究方法来揭示证券价格的内在规律。
美国有最发达的股票市场，大规模，多层次，以机构投资者为主，与实体经济发展息息相关，以及监管严格，投机性小等特点。
基于以上市场成熟性的特点，并且由于时间序列分析在研究金融市场的一些显著优势，使得我们利用此理论预测金融市场有了非常大的必要。
而相对于美国发达的股票市场和严格的监管制度，我国的证券市场还不成熟，所以时间序列分析理论对分析研究我国金融市场就显得更加重要。
1.3选题依据本文之所以采用时间序列的分析方法，其考虑有以下几点，时间序列分析理论的模型比较多，其中的模型不但可以描述平稳时间序列也可以描述非平稳序列，可选择性较强；第二，拟合的精度也比较高，它把拟合模型产生的误差也计算入内；第三，模型很好地反映了序列值之间的关系。
时间系列的分析方法对于股票价格的预测在实际应用中确实有很好的应用价值。
采用各类时间序列统计模型的主要目的就是较大限度地综合利用股票的历史数据信息，尽可能提高预测精度，尤其在经济、管理和统计研究领域，已成为改进和提高预报精度的重要途径。