經(jīng)濟(jì)預(yù)測(cè)問題是經(jīng)濟(jì)學(xué)家探究的永恒課題,但是經(jīng)濟(jì)預(yù)測(cè)問題是一項(xiàng)極具挑戰(zhàn)性的任務(wù)。其中,股票市場(chǎng)作為反映一個(gè)國(guó)家宏觀經(jīng)濟(jì)的“晴雨表”,在國(guó)民經(jīng)濟(jì)中起著至關(guān)重要的支撐作用。關(guān)于股票價(jià)格的預(yù)測(cè)問題一直是許多學(xué)者、投資者重點(diǎn)關(guān)注的研究方向。因此,研究股票價(jià)格的可預(yù)測(cè)性具有重要意義。本文通過(guò)對(duì)國(guó)內(nèi)外文獻(xiàn)梳理,對(duì)比分析了股票價(jià)格的可預(yù)測(cè)性與不可預(yù)測(cè)性兩個(gè)不同的觀點(diǎn),并以股票價(jià)格的可預(yù)測(cè)性觀點(diǎn)為出發(fā)點(diǎn)研究投資者行為對(duì)股價(jià)的影響并預(yù)測(cè)股價(jià)的變化。本文基于行為金融學(xué)相關(guān)的經(jīng)典理論并結(jié)合技術(shù)分析理論、混沌分形理論,分析了股價(jià)的表現(xiàn)特征,結(jié)合技術(shù)分析方法剖析了與股價(jià)變化相關(guān)的價(jià)量技術(shù)分析指標(biāo),并逐一分析了每個(gè)價(jià)量技術(shù)分析指標(biāo)與投資者行為的關(guān)系;其次,本文基于價(jià)量技術(shù)分析指標(biāo),利用拉普拉斯評(píng)分算法構(gòu)建投資者行為指標(biāo);最后,以量化分析為理念,通過(guò)深度卷積模糊系統(tǒng)模型（deep convolutional fuzzy system model簡(jiǎn)稱DCFS）,利用構(gòu)建的投資者行為指標(biāo)對(duì)股價(jià)預(yù)測(cè),并根據(jù)預(yù)測(cè)結(jié)果檢驗(yàn)投資者行為指標(biāo)的預(yù)測(cè)性能。本文選取了滬深300指數(shù)的日開盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)、成交量等價(jià)量技術(shù)分析... 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

32同，羊群行為的產(chǎn)生導(dǎo)致股票的需求與供給進(jìn)一步增加或減少，股票價(jià)格會(huì)再度上漲或下跌，從而強(qiáng)化現(xiàn)有的股價(jià)運(yùn)行趨勢(shì)，在此情況下，投資者心理預(yù)期就會(huì)被不斷證實(shí)，投資者會(huì)大量購(gòu)買或拋售股票，造成股價(jià)的大幅度漲跌。股價(jià)的異常波動(dòng)會(huì)強(qiáng)化投資者買賣股票的交易行為，根據(jù)維基百科對(duì)股價(jià)異常波動(dòng)的界定：股價(jià)在三個(gè)交易日累積的振幅達(dá)到15%以上時(shí)就會(huì)發(fā)生，即股價(jià)在三日內(nèi)的平均振幅至少為5%。如圖4-1所示，滬深300指數(shù)在2015年6月至8月時(shí)經(jīng)歷的異常波動(dòng)，當(dāng)股價(jià)指數(shù)向下跌幅超過(guò)5%時(shí)，投資者心理預(yù)期就會(huì)被進(jìn)一步證實(shí)，投資者心理預(yù)期行為趨同將會(huì)導(dǎo)致股價(jià)指數(shù)的持續(xù)性下跌，但是，這個(gè)過(guò)程不會(huì)一直持續(xù)，當(dāng)股價(jià)觸底后則會(huì)反彈，股票價(jià)格將會(huì)產(chǎn)生新的動(dòng)態(tài)均衡。圖3-1滬深300指數(shù)跌幅大于5%的情形除此之外，投資者非理性行為特征的錨定效應(yīng)表明，在買賣股票的交易過(guò)程中，某只股票從較高的起始價(jià)開始達(dá)成的最終成交價(jià)要高于從較低的起始價(jià)開始達(dá)成的最終成交價(jià)，因此，投資者在某一時(shí)刻購(gòu)買正在上漲趨勢(shì)的股票時(shí)認(rèn)為市場(chǎng)最終會(huì)給予其較高的定價(jià)。因此，錨定效應(yīng)導(dǎo)致的結(jié)果是投資者會(huì)傾向于追漲，增加對(duì)正在處于上漲趨勢(shì)中股票的需求量，這將會(huì)進(jìn)一步推動(dòng)股價(jià)上漲現(xiàn)象的發(fā)生。反之，這將會(huì)刺激投資者在運(yùn)用其他趨勢(shì)策略時(shí)做出類似的行為，如此循環(huán)，最終股價(jià)在某一時(shí)點(diǎn)上將保持平穩(wěn)狀態(tài)，達(dá)到新的動(dòng)態(tài)均衡。無(wú)論在股價(jià)下跌過(guò)程中還是在上漲過(guò)程中，由市場(chǎng)情緒所驅(qū)使的投資者行為會(huì)打破股票的供求均衡，即當(dāng)股票的需求增加時(shí)，股票價(jià)格上升，非理性投資行為也顯著提高，投資者對(duì)股票的需求隨之增加，供求缺口進(jìn)一步擴(kuò)大，股價(jià)再度上升，即股價(jià)越漲就越刺激投資者對(duì)股票的需求欲望，營(yíng)造一種虛假的繁榮，市

38圖4-1DCFS模型結(jié)構(gòu)圖其中DCFS的輸入向量是高維數(shù)據(jù)集，輸出為標(biāo)量（一個(gè)多輸出DCFS可以設(shè)計(jì)為多個(gè)單輸出DCFS）。第級(jí)（=1,2...L-1）是由模糊系統(tǒng)（=1，2...）組成,每一層輸出可以表示為級(jí)的輸入。頂級(jí)L的輸出結(jié)果是由的輸出結(jié)合L-1級(jí)中的輸出結(jié)果。，(=1,2，…)的輸入集是通過(guò)一個(gè)長(zhǎng)度為m的移動(dòng)窗口(卷積運(yùn)算符)從上一層輸出中選擇得出的，具體運(yùn)算規(guī)則為：1=(11，，1)(4.1)2=(21，，+11)(4.2)=(1，，+11)(4.3)1+1=(1+11，，11)(4.4)

【參考文獻(xiàn)】：
期刊論文
[1]基于ARIMA模型的證券利率時(shí)間序列研究預(yù)測(cè)[J]. 呂淑睿.  科技經(jīng)濟(jì)導(dǎo)刊. 2019(14)
[2]基于非線性時(shí)間序列模型的股票分析與預(yù)測(cè)[J]. 常月,馮宇旭,曹顯兵.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2018(22)
[3]基于主成分分析與廣義回歸神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)[J]. 于卓熙,秦璐,趙志文,溫馨.  統(tǒng)計(jì)與決策. 2018(18)
[4]基于深度學(xué)習(xí)的股價(jià)預(yù)測(cè)研究[J]. 劉震,王惠敏,華思瑜,陳育.  科技創(chuàng)新導(dǎo)報(bào). 2018(13)
[5]基于“高送轉(zhuǎn)”的我國(guó)創(chuàng)業(yè)板市場(chǎng)有效性實(shí)證檢驗(yàn)[J]. 何智輝,宋文平.  中國(guó)物價(jià). 2018(02)
[6]基于ARIMA模型的短期股票價(jià)格預(yù)測(cè)[J]. 吳玉霞,溫欣.  統(tǒng)計(jì)與決策. 2016(23)
[7]機(jī)構(gòu)投資者參與度對(duì)我國(guó)股票市場(chǎng)波動(dòng)性的影響[J]. 孫英博,戎姝霖.  經(jīng)濟(jì)研究導(dǎo)刊. 2016(25)
[8]基于近鄰互信息的SVM-GARCH股票價(jià)格預(yù)測(cè)模型研究[J]. 張貴生,張信東.  中國(guó)管理科學(xué). 2016(09)
[9]基于多元Hamacher-ANFIS的股票價(jià)格預(yù)測(cè)[J]. 張峰祎,廖志高.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2015(20)
[10]中國(guó)股市異常波動(dòng)的特征分析[J]. 徐悅.  企業(yè)經(jīng)濟(jì). 2013(04)



本文編號(hào)：3064943