摘要：基于近年亚马逊股价时间序列数据，运用R语言对股价数据进行预处理并拟合ARIMA模型，在此基础上进行模型识别、参数估计与模型诊断，最终选择较为合适的ARIMA(0,1,1)模型，并对股价作出预测与验证。另一方面，在对股价收益率拟合时，出于金融时间序列数据自身集群、厚尾等特点，ARIMA模型拟合效果还有待进一步提高，因此本文考虑GARCH模型进一步改良，通过平稳性检验、PACF、ACF、Ljung-Box、Mcleod-Li检验等方法确定为GARCH(1,1)模型，并且进行参数估计与模型检验，最终模型预测能力良好。压缩包中有word和pdf版本的论文、R语言代码文件、课程答辩课件和原始数据，供学习参考！