本文關(guān)鍵詞：一種基于流特征模式的股市跟蹤預(yù)測算法　出處：《計算機(jī)科學(xué)》2013年12期 　論文類型：期刊論文

  更多相關(guān)文章： 流特征 流特征模式 同輩群體分析 股市預(yù)測

【摘要】：由于股市波動的突發(fā)性、多變性,且時序數(shù)據(jù)呈非正態(tài)分布,傳統(tǒng)的時序預(yù)測模型難以有效預(yù)測股市。提出了一種基于流特征模式的股市跟蹤預(yù)測算法(SFM-PG),該算法根據(jù)股票之間的相關(guān)性構(gòu)建貝葉斯網(wǎng)絡(luò),選取目標(biāo)股票的馬爾科夫毯作為其同輩群體,然后基于同輩群體之間的接近度,給出一種窗口跟蹤式預(yù)測模型,其通過對同輩群體權(quán)重的動態(tài)更新進(jìn)行跟蹤式預(yù)測,以減少股票數(shù)據(jù)分布非正態(tài)性對預(yù)測的影響;進(jìn)而,使用滑動窗口提取時序數(shù)據(jù)中的特征并形成流特征,通過與模式知識庫的匹配提取流特征模式,并利用與流特征模式對應(yīng)的知識調(diào)整預(yù)測結(jié)果,以減少由于突變所引入的預(yù)測誤差。最后,在上證股票板塊網(wǎng)絡(luò)上的實驗結(jié)果顯示了算法的實用性和有效性。
[Abstract]:Due to the sudden volatility of the stock market, variability, and time series data are non-normal distribution. The traditional time series prediction model is difficult to predict the stock market effectively. A stock market tracking prediction algorithm based on the flow feature model is proposed, which constructs Bayesian network according to the correlation between stocks. The Markov blanket of the target stock is selected as the peer group, and then based on the proximity between the peer groups, a window tracking prediction model is presented. In order to reduce the influence of the non-normal distribution of stock data on the prediction, the dynamic update of peer group weight can be used to track the prediction. Then, using sliding window to extract features from time series data and form flow features, the flow feature patterns are extracted by matching the pattern knowledge base, and the prediction results are adjusted by using the knowledge corresponding to the flow feature patterns. Finally, the experimental results on the stock plate network of Shanghai Stock Exchange show the practicability and effectiveness of the algorithm.
【作者單位】： 合肥工業(yè)大學(xué)計算機(jī)與信息學(xué)院;
【基金】：國家自然科學(xué)基金(61175051,61070131,61175033)資助
【分類號】：TP18;F830.91
【正文快照】： 1引言股票價格預(yù)測對戰(zhàn)略投資組合以及經(jīng)濟(jì)發(fā)展具有重要的作用,但是,非量化因素會嚴(yán)重影響股票價格的走勢,如政治事件、經(jīng)濟(jì)情況、投資者的情緒、欺詐等,諸多非量化因素導(dǎo)致股票價格波動的突發(fā)性和多變性,股票價格時序數(shù)據(jù)呈非正態(tài)分布[1],使股票價格的精確預(yù)測是極具挑戰(zhàn)的

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 隋建利;劉金全;閆超;;現(xiàn)行匯率機(jī)制下人民幣匯率收益率及波動率中有雙長期記憶性嗎?[J];國際金融研究;2013年11期

2 郭文偉;;中國股市風(fēng)格溢價雙長記憶性研究[J];商業(yè)研究;2013年10期

3 王芳;;基于FIGARCH模型的中國房地產(chǎn)指數(shù)的實證分析[J];經(jīng)濟(jì)研究導(dǎo)刊;2013年24期

4 王浩;曹龍雨;姚宏亮;李俊照;;基于Markov毯分解的抽樣近似推理算法[J];模式識別與人工智能;2013年08期

5 王燕;;基于FIGARCH模型的地產(chǎn)股對金融股市場影響分析[J];南開管理評論;2013年04期

6 鄭挺國;左浩苗;;基于極差的區(qū)制轉(zhuǎn)移隨機(jī)波動率模型及其應(yīng)用[J];管理科學(xué)學(xué)報;2013年09期

7 Yanning CAI;Hongqiao WANG;Xuemei YE;Qinggang FAN;;A multiple-kernel LSSVR method for separable nonlinear system identifcation[J];Journal of Control Theory and Applications;2013年04期

8 唐勇波;桂衛(wèi)華;彭濤;歐陽偉;;基于雙空間特征提取的變壓器故障診斷模型[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2013年11期

9 楊楠;柳預(yù)才;;基于分形分析的國際金價波動長記憶性識別與預(yù)測研究[J];數(shù)理統(tǒng)計與管理;2013年05期

10 楊波;;原油市場收益率及其波動率序列的長期記憶性[J];中國集體經(jīng)濟(jì);2013年22期

相關(guān)會議論文 前1條

1 王鵬;呂永健;;基于不同記憶性異方差模型的中國股票市場波動率預(yù)測[A];“兩型社會”建設(shè)與管理創(chuàng)新——第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（上）[C];2013年

相關(guān)博士學(xué)位論文 前5條

1 劉莉;人民幣匯率對貨幣政策及其有效性影響的研究[D];蘇州大學(xué);2013年

2 史會峰;基于貝葉斯理論MCMC優(yōu)化參數(shù)的負(fù)荷預(yù)測模型[D];華北電力大學(xué);2013年

3 劉珂;可再生能源發(fā)電投資風(fēng)險分析與評估模型[D];華北電力大學(xué);2013年

4 李春紅;國際油價波動對中國股市的影響及分析[D];哈爾濱工業(yè)大學(xué);2012年

5 周竟東;上市公司權(quán)證發(fā)行及對標(biāo)的證券收益率的影響研究[D];湖南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 洪天國;歐洲股票市場與中國股票市場之間的波動溢出效應(yīng)研究[D];江西財經(jīng)大學(xué);2013年

2 劉qZ;國際鐵礦石期貨市場特征研究[D];江西財經(jīng)大學(xué);2013年

3 李星;開放式基金套期保值策略研究[D];西北大學(xué);2013年

4 秦涵書;基于多核學(xué)習(xí)的人臉檢測研究[D];重慶師范大學(xué);2013年

5 方偉正;人民幣匯率長記憶性與風(fēng)險度量算法研究[D];華南理工大學(xué);2013年

6 洪文琳;金屬商品金融化程度測算[D];暨南大學(xué);2013年

7 李鵬飛;萬有引力算法的改進(jìn)及在板形模式識別中的應(yīng)用[D];燕山大學(xué);2013年

8 王艷榮;長記憶波動率的模型研究與實證分析[D];西北農(nóng)林科技大學(xué);2013年

9 唐廣宇;股票價格預(yù)測的時間序列組合模型方法[D];湘潭大學(xué);2013年

10 袁臻;波動率預(yù)測模型與比較[D];上海交通大學(xué);2013年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田鳳占,張宏偉,陸玉昌,石純一;多模塊貝葉斯網(wǎng)絡(luò)中推理的簡化[J];計算機(jī)研究與發(fā)展;2003年08期

2 李儉川,胡蔦慶,秦國軍,溫熙森;基于故障樹的貝葉斯網(wǎng)絡(luò)建造方法與故障診斷應(yīng)用[J];計算機(jī)工程與應(yīng)用;2003年24期

3 李偉生,王寶樹;基于貝葉斯網(wǎng)絡(luò)的態(tài)勢評估[J];系統(tǒng)工程與電子技術(shù);2003年04期

4 羅海蛟;一種貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的優(yōu)化策略[J];自動化技術(shù)與應(yīng)用;2005年05期

5 程岳,王寶樹,李偉生;貝葉斯網(wǎng)絡(luò)在態(tài)勢估計中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2002年23期

6 趙進(jìn)曉;肖飛;;一種基于貝葉斯網(wǎng)絡(luò)的模型診斷方法[J];計算機(jī)科學(xué);2009年01期

7 李儉川,陶利民,胡蔦慶,溫熙森;設(shè)備智能故障診斷與維修支持技術(shù)研究[J];儀器儀表學(xué)報;2002年S1期

8 黃茗云;王英龍;張洪亮;;貝葉斯網(wǎng)絡(luò)在軟件可信性評估指標(biāo)體系中的應(yīng)用[J];信息技術(shù)與信息化;2008年06期

9 張潤梅,王浩,姚宏亮,方寶富;一種基于影響圖的決策方法及在RoboCup中的應(yīng)用[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2004年04期

10 王輝,張劍飛,王雙成;基于預(yù)測能力的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)[J];東北師大學(xué)報(自然科學(xué)版);2005年01期

相關(guān)會議論文 前10條

1 黃桂松;;一種基于貝葉斯網(wǎng)絡(luò)的業(yè)務(wù)驅(qū)動認(rèn)知網(wǎng)絡(luò)實現(xiàn)方法[A];江蘇省電子學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

2 宮義山;錢娜;;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)在線學(xué)習(xí)算法及應(yīng)用[A];科學(xué)發(fā)展與社會責(zé)任（A卷）——第五屆沈陽科學(xué)學(xué)術(shù)年會文集[C];2008年

3 呂淑萍;李強(qiáng);;多分辨小波網(wǎng)絡(luò)及在股市預(yù)測中的應(yīng)用[A];2004中國控制與決策學(xué)術(shù)年會論文集[C];2004年

4 戴芹;馬建文;歐陽峗;;遙感數(shù)據(jù)處理中引入貝葉斯網(wǎng)絡(luò)的基本問題研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 歐陽峗;馬建文;戴芹;;動態(tài)貝葉斯網(wǎng)絡(luò)在遙感變化檢測中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 葉德謙;劉波;;一種改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)及其在股市中的應(yīng)用[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

7 劉振;代進(jìn)進(jìn);王毅;;貝葉斯網(wǎng)絡(luò)推理與算法[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（下）[C];2006年

8 范志煜;肖兵;沈薇薇;;基于概率本體的態(tài)勢估計應(yīng)用研究[A];中國自動化學(xué)會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

9 李娟娟;侯素霞;徐軍;羅積軍;;基于貝葉斯網(wǎng)絡(luò)信息價值的故障維修決策應(yīng)用研究[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（一）[C];2007年

10 韓衛(wèi);姬瓊;;貝葉斯網(wǎng)絡(luò)的一種近似推理算法[A];2005中國控制與決策學(xué)術(shù)年會論文集（下）[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 張少中;基于貝葉斯網(wǎng)絡(luò)的知識發(fā)現(xiàn)與決策應(yīng)用研究[D];大連理工大學(xué);2003年

2 李儉川;貝葉斯網(wǎng)絡(luò)故障診斷與維修決策方法及應(yīng)用研究[D];中國人民解放軍國防科學(xué)技術(shù)大學(xué);2002年

3 劉思遠(yuǎn);信息融合和貝葉斯網(wǎng)絡(luò)集成的故障診斷理論方法及實驗研究[D];燕山大學(xué);2010年

4 胡文斌;基于多Agent的分布式智能群決策支持系統(tǒng)關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2004年

5 李啟青;遙感數(shù)據(jù)處理的遺傳優(yōu)化及其組合算法研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年

6 張德利;基于貝葉斯網(wǎng)絡(luò)的故障智能診斷方法研究[D];華北電力大學(xué)（河北）;2008年

7 黃解軍;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及其在數(shù)據(jù)挖掘中的應(yīng)用研究[D];武漢大學(xué);2005年

8 王紅梅;保護(hù)隱私的貝葉斯網(wǎng)絡(luò)學(xué)習(xí)研究[D];天津大學(xué);2006年

9 周忠寶;基于貝葉斯網(wǎng)絡(luò)的概率安全評估方法及應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2006年

10 胡春玲;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及其應(yīng)用研究[D];合肥工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 費(fèi)致根;Bayes網(wǎng)絡(luò)在故障診斷中的應(yīng)用[D];鄭州大學(xué);2004年

2 肖文輝;基于本體的智能故障診斷的不確定性推理研究[D];湖南科技大學(xué);2010年

3 陳新億;基于KL距離的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究[D];云南大學(xué);2010年

4 錢隆;貝葉斯網(wǎng)絡(luò)在基于幾何模型的建筑物檢測中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2003年

5 姚宏亮;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)及其多Agent系統(tǒng)模型研究[D];合肥工業(yè)大學(xué);2003年

6 陳玲;基于貝葉斯網(wǎng)絡(luò)的學(xué)生模型的設(shè)計與實現(xiàn)[D];太原理工大學(xué);2003年

7 胡彩平;貝葉斯網(wǎng)絡(luò)及其在范例推理中的應(yīng)用研究[D];安徽大學(xué);2004年

8 胡曉明;基于貝葉斯網(wǎng)絡(luò)的軟件風(fēng)險管理問題的研究[D];南京理工大學(xué);2004年

9 董輝;不完整數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)新算法[D];廣西師范大學(xué);2003年

10 向光軍;貝葉斯網(wǎng)絡(luò)VE推理算法的并行化研究[D];云南大學(xué);2010年

，

本文編號：1421428