股票市场变幻莫测,在其为投资者带来高回报的同时往往也伴随着高风险。为了有效控制投资风险,掌握股票市场变化规律,对股票市场及其收益率风险测度理论和应用探究具有重要价值。时间序列分析的理论和方法在股票市场研究的各个方面,尤其是在预测方面,得到了广泛的应用。股票价格或股票收益率作为典型的金融时间序列数据,一般会呈现出条件异方差性、尖峰厚尾和不对称性等特征,GARCH族模型可以有效地处理股票序列的条件异方差性和不对称性,但在处理尖峰厚尾特征时效果不明显。分位数回归是由Roger Koenker于1978年引入,分位数回归本身具有非常好的性质。首先,它对随机误差的分布不做任何要求,对异常值有较强的稳健性;其次通过选取不同的分位点,可以度量因变量在分布上尾和下尾的影响,获取序列更加全面的信息。因此,将分位数回归与时间序列模型相结合,用于股票价格和股票收益率风险度量方面的研究具有十分重要的意义和应用价值。本文主要研究时间序列模型在股票市场中的应用。主要研究了以下几个方面:1、对分位数回归方法的相关定义及其性质做了介绍和讨论,并将其与最小二乘回归估计方法进行比较,说明分位数回归的优点。2、讨论了时间序列模型。包括平稳时间序列模型和条件异方差模型。3、基于QR-t-GARCH(1,1)模型对上证指数收益率风险测度方法进行了研究。包括风险价值(VaR)的定义和计算方法。并且,通过失败率检验可以得到,在t-GARCH(1,1)模型的基础上引进分位数回归用来对上证指数收益率风险进行度量的效果比单纯使用t-GARCH(1,1)模型要好。此方法可以推广到金融市场其他子市场中。4、研究了基于时间序列模型对上证综合指数的短期预测分析。通过检验发现,残差服从t分布的ARMA(3,3)-GARCH(1,1)模型对上证综合指数的短期预测效果更好。利用该模型可以进一步对上证综合指数做短期预测,预测结果可以为相关股票投资者提供参考意见和建议。