摘要: 首先研究上证指数日内高频成交量时间序列的统计特征，包括平稳性、自相关和 长 记 忆 性，然后我们通过对剔除日内周期趋势的成交量序列建立 ＡＲＭＡ 模型，并分别结合 ＡＲＣＨ 类模型和 ＡＲＦＩＭＡ 模型消除模型的异方差和长记忆性．我们的实证分析结果表明在消除日内周期项、异方差和长记忆性后建立的时间序列模型比原始序列的时间序列模型有更高的预测精度．