本文研究的是门限自回归模型在股票市场中的应用。我们将以股票成交量及其涨跌幅作为门限变量，建立股价与他们关系的门限自回归模型。 在股票市场中，股票的价格受各种因素的影响。股票的成交量和涨跌幅就对股票的价格有很大的影响。一般来说，买卖双方对价格的认同程度通过成交量的大小得到确认，认同程度大，成交量大；认同程度小，成交量小。双方的这种市场行为反映在价、量上就往往呈现出这样一种趋势规律：价增量增，价跌量减。 金融、证券、股票中的大部分数据都是非线性的，这已得到人们的公认。接下来要解决的问题就是对现实存在的这一非线性，我们选用什么样的模型来拟合。以前人们提出很多非线性模型，如ARCH、GARCH、CHARMA等模型，但是这些模型都有各自的缺陷，不能完全的解释实际数据所体现的非线性性质。于是就提出了门限自回归模型，在这篇文章中主要讨论门限自回归模型在股票市场中的应用。以前我们提出的门限白回归模型大部分都是自激励的(SETAR)，即门限变量是时间序列本身的延后量。在这篇文章中我用股票涨跌幅和成交量的函数作为门限变量来研究，并用实际数据进行拟合。用门限自回归模型来拟合实际数据还是很有现实意义的，特别是在股票市场动荡时期，对实际数据的拟合依然很精确，这是此模型优于其它非线性模型的地方，而在这一时期对股票价格的预测更加具有实际意义。 在本文中，我们用的是TSAY提出的建立门限自回归模型的方法，步骤。这种方法要比之前提出的方法更加易于处理。