时间序列模型现有的许多推断方法及其渐近分布主要依赖于以下四个先决条件:(1)协变量序列的平稳性;(2)误差序列相关关系的结构;(3)误差项方差值是否有限;(4)模型截距项的有无。先决条件不同,时间序列模型及其渐近分布也会不同,其中误差相关关系的结构影响着参数估计的有效性。因此序列相关性检验是计量经济学中一个非常重要的概念,作为参数估计、假设检验等统计推断中必不可少的基本假定,其在经济、金融领域中发挥着重要作用。随着我国经济的高速发展,政府、投资者、企业等越来越关注股票市场的动态。对股票市场的可预测性研究一直都是经济、金融等领域中的热点问题,很多经济金融指标的预测结果是制定国家宏观经济政策以及分配财政资金等金融活动的重要参考依据。时间序列模型中的预测回归模型常常被用来处理经济、金融领域的可预测性问题。而目前大部分的基于预测回归模型的假设检验、统计推断等研究都假定误差项序列之间无自相关性,若误差项序列之间存在相关性,则基于此的假设检验、统计推断等均失效。因此,在应用预测回归模型进行统计推断时,首先对其进行序列相关性检验具有十分重要的意义。因此,本文针对预测回归模型展开了误差项序列相关性方面的研究。在经验似然方法的基础上,考虑到当参数维度过高时经验似然方法带来的计算困难等问题,本文结合了非参数统计中的Jackknife法,构造了Jackknife经验似然比统计量,证明了该检验统计量的渐近分布,同时对其进行了相应的随机数值模拟以检验该统计量的有限样本性质,并与一般经验似然法进行了比较。模拟结果表明,本文所提方法在大多数情况下具有检验优势。最后,本文采用了CRSP数据库中的国外股票数据以及国内的中证500指数等相关数据进行了实证分析,以验证本文所提方法的有效性。通过将非参数统计中的经验似然法和Jackknife法相结合,构造了Jackknife经验似然比统计量,以对误差项序列相关性进行检验,这不仅为序列相关性检验开拓了新的研究思路,同时保证了基于预测回归模型的参数估计、假设检验等统计推断的有效性。本文所提的检验方法不仅适用于一阶序列相关,同样也适用于高阶序列相关。综上,基于预测回归模型的序列相关性检验不仅具有理论意义,还具有一定的实际意义。本文具体章节安排如下:第一章为绪论,首先阐述本文的研究背景及意义,再对所研究的预测回归模型的国内外研究现状进行梳理,然后对文章所研究的主体内容——序列相关检验进行阐述,以表明本文所做研究的可行性及意义。其次叙述本文的研究思路与研究框架,最后对文章的创新点以及研究过程中存在的难点进行总结。第二章为理论基础,分别阐述经验似然法以及Jackknife经验似然法的理论知识,对所涉及到的相关理论知识进行简单的阐述,以便为后面章节的推理证明做铺垫。第三章为预测回归模型的序列相关性检验。在经验似然方法的基础上,考虑预测回归模型,通过Jackknife经验似然法构造检验统计量,推导出该检验统计量在零假设下以及局部备择假设下的渐近分布。最后通过随机数值模拟来验证检验统计量的有限样本性质和检验功效。第四章基于第三章所提出的Jackknife经验似然比检验统计量,采用实际数据进行分析,以验证该检验统计量的有效性。第五章为结论与展望,主要是对前文进行的序列相关检验做出总结性的阐述,对文中出现的问题及未解决的问题进行展望。