本文使用统计方法对金融时间序列的可预测性以及预测方法做了一些研究。分析结果表明上证市场股票的日收益率呈明显的无记忆过程特征，因此对这样的日收益率直接进行预测无太大的意义。而国债的日收益率前后呈一定的相关性。论文中关于预测模型的建立着眼于自回归模型，理由是自回归模型前后数据之间存在着直接的依赖关系，这给预测带来很大的方便；其次是一些非自回归模型(如ARMA模型、MA模型)也可以用一个高阶的自回归模型近似地代替，这一点已在文中阐明。本论文从最简单的线性自回归模型出发，说明其并不直接适用于金融时间序列的预测。然后从分析方法和建模的角度逐步进行改进： 1.对数据进行周期分析，得到数据随时间变化的主要周期。根据所得到的几个主要周期，对样本数据作一定的变换，以消除周期波动的影响，使其更接近一个平稳过程。最后用线性自回归模型进行预测； 2.用分段线性化来逼近非线性问题，即采用门限自回归模型进行预测； 3.建立了时变自回归模型，其思想是模型的系数是随时间变化的，本身就是一个时间序列。对系数的预测将得到最终的预测结果。在这种模型估计过程中，可以选择对系数的不同估计方法，一个好的系数预测才能得到好的最终预测效果。 对于金融时间序列这种非线性过程，门限模型和时变自回归具有较好的预测效果，甚至可以预测出数据走势的拐点。 本论文还阐述了传统上用序列波动的标准差来衡量风险的弊病，以及采用风险值的合理性。给出了两种风险的估计方法，一种是非参数方法，另一种是参数方法。这两种方法均成功地描述了收益率分布的厚尾特征。在此基础上，分析了上证综合指数风险值波动的周期规律。利用本文提出的预测模型对风险值进行预测。 本论文在以下几个方面做了创造性的工作： 1.在封闭的资金系统的假设下，提出了个股的还权公式。在对个股进行预测之前，必须对序列进行还权，才有可能得到有意义的预测结果； 2.经过上证综合指数(上证股票的代表)和上证国债指数(上证债券的代表)的相关性和独立性分析，得到了它们日收益率是否可预报的结论； 3.提出了时变自回归模型，即用一个具有时变参数的线性自回归模型去拟合非平稳序列。使得将非平稳序列的预测问题转化为平稳序列(一般模型的系数接近平稳，如果模型的系数仍然是非平稳的，则再用时变自回归模型对这些系数进行递归预测)的预测问题，并得到预测区间估计的计算公式； 4.用核估计方法拟合收益率的分布，得到了一个用来估计风险值的存在唯一解的方程； 5.提出广义半t分布的定义，并将此分布很好地拟合了损失分布。由此给出了另一种风险值的估计方法； 6.用一定的样本长度估计各个时期上证综合指数的风险值，发现了这样一个风险值序列具有一个明显的周期波动。