随着世界多元化的发展，我们在日常生活中收集到的数据也越来越连续性，大数据下金融成为了现代经济活动中最活跃的组成部分，也深入日常生活的方方面面。而金融市场也越来越重要，交易也愈加频繁，其中有货币市场、股票市场、债券基金市场等，而股票市场作为高风险高收益市场备受关注。股票市场主要依靠股票价格对有关信息情况进行反映，所以市场交易者对股票价格的波动情况十分重视。对于股票价格变化的内在规律与波动情况的研究也成为了金融理论分析与实证分析的重要部分。针对股票价格的研究以及预测，一些人采用了经典的间序列预测模型，这种模型存在一定的局限性：需要满足某些特定要求的同时还需要剔除影响趋势；另一些人采用面板数据计量经济模型，这种模型也有其弊端：受太多假设条件的限制，在一定时间内需要对同一个体进行多次观测时，可能存在高度相关性问题，另外，若这些原始数据是某一观测区间同一个时间点上的稠密观测，会出现协变量个数远大于样本个数的问题。目前针对股票特有的数据特点：高噪声、非平稳性、动态连续性，出现了基于函数型数据所建立的模型，即把原始离散数据转化为具有某一特性的函数，进而将传统统计分析转化为函数型数据的分析，从而建立误差小，可信度高的模型，挖掘大量有用信息。 这里主要针对国内的八家国有企业进行股票预测研究。一方面国有企业是我国国民经济的支柱，国有企业的股票价格波动对整个市场经济都会产生较大的影响，通过对股票价格的预测可以敏锐把握国内经济发展趋势，科学指导股票交易，转变经济增长方式，拓展发展空间，尽快形成国有企业的新优势；另一方面运用函数型数据分析法进行股票价格预测，在处理高维问题和适用灵活性方面具有显著优势；再者，函数型主成分分析降维思想尽可能提取重要信息的同时较好的解决了高维大型数据分析的“维数诅咒”问题，丰富了金融领域研究内容，为广大学者进一步的研究提供了思路。 本文主要目的是研究金融市场中股票价格的内在规律，针对股票市场上股票价格波动性较强的特点对股票收盘价进行预测。论文首先描述了股票预测以及函数型数据研究的国内外现状，掌握其研究的基本方法和常用技巧，将方法应用于股票价格的预测模型中，利用开盘价的波动情况对股票收盘价进行预测。首先以八家国有企业股票收盘价和开盘价的数据为例，将离散数据函数化，进行拟合检验，对拟合后的数据添加粗糙度平滑项进行数据修正，观察其内部规律。之后在数据预处理的基础上建立函数型主成分预测模型。本文用开盘价主成分表示收盘价主成分，并建立线性预测模型，利用开盘价来预测八个企业股票的收盘价，得到了较好的预测效果。
NETL
