本文選題：模糊K線 + 時間序列��； 參考：《湖南大學》2012年碩士論文

【摘要】：股票市場是一個受多種因素影響的龐大系統(tǒng)，具有非常復雜的運動規(guī)律，市場行情更是瞬息萬變。股票市場的金融時間序列數據作為其綜合的外在表現形式，蘊含了許多客觀規(guī)律信息，如何從中挖掘出各種信息，更好地認識、掌握、并利用其規(guī)律無疑對股票投資預測、決策與風險管理活動具有重要意義。 傳統(tǒng)技術分析主要是基于經驗對市場變化的趨勢進行預測，以圖表為手段對市場行為進行研究。由于不同的人對圖表的識別差異較大，難以統(tǒng)計驗證到底誰的分析結果最可靠，并且缺乏足夠的理論支持�，F代技術分析則主要是運用數學模型和數理統(tǒng)計的方法，試圖從大量的歷史數據中挖掘出市場在時間序列層面上可能隱藏的規(guī)律。但現有的研究中，，多數預測模式參數繁多且復雜，難以被一般投資者所理解，同時現有的研究主要著眼于對未來價格或趨勢的預測，事實上，預測未來股票的具體價格是一個非常困難的工作，畢竟股票市場存在太多的不確定因素。市場中的投資者更關心、而且也較為可行的策略是識別市場的反轉點。本文研究了一個能主動預警股價反轉點的新技術分析模型，該模型將模糊邏輯理論應用于傳統(tǒng)的K線圖理論，利用K線圖的開盤價、收盤價、最高價和最低價對K線形態(tài)特征進行模糊化處理，再從模糊K線圖中提取出征兆序列，然后運用數據挖掘技術對征兆序列進行分類，得出模糊K線反轉模式的統(tǒng)計特征，最后通過模糊K線反轉模式實現對股價反轉點的預測。 本文選擇在上證A股和深證A股這兩個證券市場分別進行實證研究，結果表明：本文提出的模糊K線反轉模式真實存在并且能夠被較好的識別；根據本文提出的模糊K線反轉模式得到的股價預測反轉點進行模擬股票交易所獲投資回報率要高于隨機交易所得投資回報率。
[Abstract]:The stock market is a huge system influenced by many factors. The financial time series data of the stock market, as its comprehensive external form, contain a lot of objective law information, how to dig out all kinds of information from the stock market, better understand, master, and make use of its law to predict the stock investment without doubt. Decision-making and risk management activities are of great significance. The traditional technical analysis is mainly based on experience to predict the trend of market change, using charts as a means to study market behavior. It is difficult to verify whose analysis results are the most reliable and lack of sufficient theoretical support due to the large differences in the recognition of charts by different people. The modern technology analysis mainly uses the mathematical model and the mathematical statistics method, tries to excavate the law which the market may hide in the time series level from the massive historical data. But in the existing research, most of the prediction model parameters are various and complex, which is difficult to be understood by the general investors. At the same time, the existing research mainly focuses on the prediction of future prices or trends, in fact, Predicting the exact price of stocks in the future is a very difficult task. After all, there are too many uncertainties in the stock market. Investors in the market are more concerned, and more feasible, strategy is to identify the market reversal point. In this paper, we study a new technical analysis model that can proactively warn the reverse point of stock price. In this model, fuzzy logic theory is applied to the traditional K line graph theory, and the opening price and closing price of K line graph are used. The highest price and the lowest price process the shape of K line, then extract the symptom sequence from the fuzzy K chart, then classify the symptom sequence by using data mining technology, and get the statistical features of the fuzzy K line inversion pattern. Finally, the forecast of stock price reversal point is realized by fuzzy K line inversion mode. This paper chooses to conduct empirical research in Shanghai A-share market and Shenzhen A-share market respectively. The results show that the fuzzy K-line inversion model proposed in this paper is real and can be better identified; According to the forecast inversion point of stock price obtained by the fuzzy K-line inversion model proposed in this paper, the return on investment in stock exchange is higher than that in random trading.
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2012
【分類號】：F830;F224

【相似文獻】

相關期刊論文 前10條

1 馬莉;徐慶宏;;基于ARMA模型的匯率走勢預測及在商業(yè)銀行外匯理財業(yè)務中的應用[J];西南師范大學學報(自然科學版);2009年02期

2 劉遵雄;周天清;;基于HRM的金融時間序列預測[J];統(tǒng)計與決策;2011年02期

3 張成虎;趙小虎;;基于小波分析的可疑金融交易時間序列研究[J];現代管理科學;2009年07期

4 陳靜;張川;徐成賢;;基于特征提取的金融時間序列形態(tài)挖掘[J];統(tǒng)計與信息論壇;2010年06期

5 劉曉曙;;譜估計在金融時間序列模型驗證中的應用[J];清華大學學報(自然科學版);2008年09期

6 畢星;王巍;;基于經驗模式分解和移動平均的金融時間序列分析[J];天津大學學報(社會科學版);2010年02期

7 劉曉曙;;譜估計在金融時間序列模型驗證中的應用[J];清華大學學報(自然科學版)網絡.預覽;2008年09期

8 牛艷慶;胡寶清;;基于模糊Adaboost算法的支持向量回歸機[J];模糊系統(tǒng)與數學;2006年02期

9 萬軍;劉思峰;楊文翰;;日已實現波動的估計研究[J];統(tǒng)計與決策;2006年10期

10 柳會珍;;統(tǒng)計極值理論及其應用研究進展[J];統(tǒng)計與決策;2006年16期

相關會議論文 前10條

1 張碩;惠曉峰;;金融時間序列的確定性成分與隨機成分的分離[A];第十三屆中國管理科學學術年會論文集[C];2011年

2 盧山;王海燕;;金融時間序列局部預測算法的優(yōu)化[A];2005中國控制與決策學術年會論文集（下）[C];2005年

3 陳志航;程乾生;;基于隱馬爾科夫模型的組合預測方法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

4 宋鵬燕;劉瓊蓀;;基于冪律型分布的動態(tài)VaR模型及實證研究[A];第十屆中國管理科學學術年會論文集[C];2008年

5 許友傳;;金融時間序列R/S長記憶性檢驗的有效性[A];第十二屆中國管理科學學術年會論文集[C];2010年

6 馬鐵豐;;線性回歸方法進行時間序列異常值檢驗及證券投資風險研究[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機遇、責任和對策（上冊）[C];2002年

7 夏天;程細玉;;金融市場波動性預測的CARR類模型與GARCH類模型比較研究[A];科學發(fā)展觀與系統(tǒng)工程——中國系統(tǒng)工程學會第十四屆學術年會論文集[C];2006年

8 邵合德;;旋轉DSA在血管性病變介入診斷與治療的應用研究[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（下冊）[C];2006年

9 程硯秋;楊德權;;基于決策樹和支持向量機的金融預測方法[A];中國企業(yè)運籌學學術交流大會論文集[C];2007年

10 邵合德;曾憲強;王榮勤;;旋轉DSA在血管性病變介入診斷與治療的應用研究[A];中華醫(yī)學會放射學分會第八屆全國心胸影像學術大會暨河南省第十二次放射學術會議論文匯編[C];2006年

相關重要報紙文章 前10條

1 東海證券 康志毅;東信和平(002017)低谷未過 業(yè)績反轉點臨近[N];上海證券報;2009年

2 富達基金提供;三方面確認市場反轉點[N];第一財經日報;2009年

3 本報記者　 朱茵;摩根大通預測宏觀調控將在三季度顯效[N];中國證券報;2006年

4 尹建權;樓市面臨大拐還是小拐[N];甘肅法制報;2008年

5 皮皮;如何準確選擇買入和賣出的時機[N];上海證券報;2007年

6 山西 楊德印;變頻器實用技術問答（四）[N];電子報;2008年

7 大摩投資 徐勝治;短線股指上下兩難[N];證券日報;2005年

8 丁少恒;青少年驗光要散瞳[N];中國質量報;2000年

9 羅華;銅 志存高遠[N];期貨日報;2003年

10 道通期貨 鄭艾平;期貨投資：順勢而為 以小博大[N];江蘇經濟報;2004年

相關博士學位論文 前10條

1 王文靜;金融時間序列的長記憶特性及預測研究[D];天津大學;2009年

2 蘇木亞;譜聚類方法研究及其在金融時間序列數據挖掘中的應用[D];大連理工大學;2011年

3 湯凌冰;基于支持向量機的金融時間序列回歸分析[D];上海交通大學;2010年

4 盧山;基于非線性動力學的金融時間序列預測技術研究[D];東南大學;2006年

5 趙越;半參數模型的統(tǒng)計推斷及其在金融中的應用[D];大連理工大學;2010年

6 王靈芝;中國證券市場流動性風險的量化與管理研究[D];上海交通大學;2010年

7 吳學雁;金融時間序列模式挖掘方法的研究[D];華南理工大學;2010年

8 劉瓊芳;基于Copula理論的金融時間序列相依性研究[D];重慶大學;2010年

9 沈傳河;金融問題中的支持向量機應用研究[D];山東科技大學;2011年

10 馬云艷;相依數據下協(xié)變量調整回歸模型及其在金融時間序列中的應用[D];山東大學;2012年

相關碩士學位論文 前10條

1 張丹;基于模糊K線的金融時間序列反轉模式挖掘研究[D];湖南大學;2012年

2 周游;基于滑動平均算法對金融時間序列的研究[D];昆明理工大學;2012年

3 李謙;現代優(yōu)化算法在金融時間序列參數估計中的應用[D];暨南大學;2011年

4 劉曉迪;基于小波變換的金融時間序列奇異點識別模型與研究[D];昆明理工大學;2011年

5 趙俊;隱馬爾可夫模型及其在金融時間序列中的應用研究[D];合肥工業(yè)大學;2012年

6 周天清;基于奇異譜分析的金融時間序列自適應分解預測研究[D];華東交通大學;2012年

7 黃朋朋;基于支持向量機的股價反轉點預測研究[D];復旦大學;2010年

8 湯R

本文編號：1820975