股市是资本市场的重要组成部分,它是宏观经济最灵敏的晴雨表,经济的波动往往最先体现在股价涨跌行情中。此外,它在增加资本流动性,协调社会资源配置,提供投资渠道等方面也有举足轻重的作用。经过二十余年的迅速发展,我国股市已具有相当规模,截止2012年12月底,我国沪深两市市值合计达36973.7亿美元①,在世界各大证券交易所市值排名中占居第三位。尽管我国股市在不断完善,相关法律法规也逐步健全,但仍存在一些特有的问题,如股票流通限制、政府导向性强、投机性高、投资者非理性等问题,因此经常表现出比世界成熟资本市场更大的波动性。而股票价格的非正常波动不仅会给投资者带来不必要损失,同时也会危害证券市场的健康发展以及我国整个经济体系的稳定性。由此可见,对我国股票价格指数进行深入研究具有重要意义。由于金融时间序列往往同时具有线性和非线性特点,因此本文提出了将差分自回归移动平均(ARMA)模型与神经网络(NN)相结合的混合模型,同时本文分别运用ARIMA模型、NN模型、ARIMA-GARCH族模型和ARIMA-NN混合模型,对我国1996年12月16日至2009年12月31日的上证综指和深证成指收盘价格数据建立时间序列预测模型,并用2010年1月4日至2012年12月31日数据用于验证所建模型的准确性,通过比较预测结果,得出混合模型较其他模型更能提高我国股票价格预测准确率的相关结论。同时根据ARIMA-GARCH族模型结果,分析得出我国股票市场的波动性特征,并据此提出我国股市未来发展的相关建议。