本文在单个金融数据定量预测模型(改进的灰色GM(1,1)模型和ARCH族模型)的基础上,提出了基于改进遗传算法的非线性组合预测方法。其基本思想是利用遗传算法的学习能力确定组合预测模型的参数,降低了构造非线性组合预测函数的难度,将该模型的预测结果与传统的最优组合预测模型和各单项模型的预测结果比较可见,预测效果要优于传统的预测模型。理论分析和应用实例都证实了基于改进遗传算法的组合预测方法的有效性和可行性,在处理诸如股指平均收益率这种具有一定程度不确定性的非线性系统的组合建模与预测方面有很好的应用价值。 本研究以系统理论为指导,运用系统工程的思想,采用系统工程、计量经济学、技术经济学、统计学、投资组合学等多学科相结合的研究方法,在现有研究的基础上,对现有的理论与方法进行研究,并建立了相应的数学模型。本研究采用定性与定量相结合的方法、比较研究法、调查法、实证分析法等研究方法对本课题进行研究,体现理论-实践-应用的具体技术路线。具体研究内容包括:灰色GM(1,1)预测模型在经济时间序列预测方面的改进和应用;ARCH族模型的研究,通过EGARCH模型预测研究对象指数收益率及波动性分析,分析VAR模型和脉冲响应函数(Impulse Response Function);基于遗传算法的组合预测模型研究。本文尝试一种新的组合方法。以上海证券市场为典型例证,对整个上证平均收益率和个股板块平均收益率进行测算及分析,包括测算模型的选择、变量的选取、数据的采集及处理,整理统计数据,测算结果及对测算结果进行分析。