滬深300指數(shù)的組合預(yù)測(cè)模型研究
發(fā)布時(shí)間：2017-07-30 14:07
本文關(guān)鍵詞：滬深300指數(shù)的組合預(yù)測(cè)模型研究
更多相關(guān)文章： 滬深300指數(shù) 預(yù)測(cè) 集合經(jīng)驗(yàn)?zāi)Ｐ头纸?/b> 支持向量回歸 多重共線性診斷 變量選擇
【摘要】：滬深300指數(shù)代表了中國(guó)股市的整體情況,反映了我國(guó)經(jīng)濟(jì)發(fā)展的總體趨勢(shì)。同時(shí),滬深300指數(shù)是第一個(gè)反映中國(guó)證券市場(chǎng)總體風(fēng)貌的股價(jià)指數(shù),可以用于觀察股票市場(chǎng)的走勢(shì),為個(gè)人投資者提供重要標(biāo)準(zhǔn)。所以,滬深300指數(shù)的精確預(yù)測(cè)值,無(wú)論對(duì)政府監(jiān)管還是個(gè)人投資者都具有重大意義。本文主要目的是建立一個(gè)集滬深300指數(shù)影響因素分析、數(shù)據(jù)噪聲消除、輸入變量選擇及支持向量機(jī)為一體的組合預(yù)測(cè)模型。針對(duì)金融時(shí)間序列典型非線性并且含有噪聲的特點(diǎn),本文使用集合經(jīng)驗(yàn)?zāi)Ｐ头纸馑惴?EEMD)來(lái)提取并消除數(shù)據(jù)的噪聲,同時(shí)采用具有強(qiáng)大非線性建模能力的支持向量回歸(SVR)。為了避免影響變量過(guò)少而存在的片面性,本文盡可能多地選取了影響變量。但是過(guò)多的影響變量會(huì)產(chǎn)生重復(fù)信息,重復(fù)信息使用方差膨脹因子方法(VIF)診斷并刪除。同時(shí),針對(duì)我國(guó)股市易受政策影響,導(dǎo)致股市數(shù)據(jù)波動(dòng)劇烈,采用了基于屬性熵的多變量數(shù)據(jù)異常值診斷方法(ODAE)。最后,為了簡(jiǎn)化模型結(jié)構(gòu)和加快計(jì)算速度,本文還使用了適合非線性模型的變量篩選方法,平均影響值方法(MIV)。根據(jù)這些策略本文建立一個(gè)合理的和科學(xué)的符合我國(guó)股市特征的預(yù)測(cè)模型,ODAE-VIF-EEMD-MIV-SVR模型。在實(shí)證分析中,數(shù)據(jù)時(shí)間范圍是2010年4月16日到2014年12月31日,其中訓(xùn)練集時(shí)間從2010年4月16日到2013年12月31日；測(cè)試集時(shí)間從2014年1月2日到2014年12月31日。實(shí)證結(jié)果表明：(1)ODAE-VIF-EEMD-MIV-SVR預(yù)測(cè)性能最好,其平均百分誤差(MAPE)、平均絕對(duì)誤差(MAE)、歸一化均方誤差(NMSE)和協(xié)議指數(shù)(IA)分別為1.3860、26.3832、3.6667*104和0.9916。盒須圖分析結(jié)果表明,其相對(duì)誤差是一個(gè)均值為0的白噪聲序列；(2)各策略對(duì)組合預(yù)測(cè)算法貢獻(xiàn)度從大到小的順序?yàn)椋篤IF重復(fù)信息處理方法,EEMD去噪,ODAE異常值診斷,MIV輸入變量選擇；(3)預(yù)測(cè)結(jié)果對(duì)滬深300指數(shù)期貨的漲和跌的正確率接近60%,具有一定的參考價(jià)值。
【關(guān)鍵詞】：滬深300指數(shù) 預(yù)測(cè) 集合經(jīng)驗(yàn)?zāi)Ｐ头纸?/strong> 支持向量回歸 多重共線性診斷 變量選擇
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.51;F224
【目錄】：
- 中文摘要3-4
- Abstract4-7
- 第一章 緒論7-16
- 1.1 選題背景和選題意義7-8
- 1.1.1 選題背景7
- 1.1.2 選題意義7-8
- 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-12
- 1.3 研究思路與方法12-14
- 1.4 結(jié)構(gòu)安排和創(chuàng)新點(diǎn)14-16
- 1.4.1 結(jié)構(gòu)安排14
- 1.4.2 創(chuàng)新點(diǎn)14-16
- 第二章 模型預(yù)測(cè)與市場(chǎng)形勢(shì)的關(guān)系16-17
- 2.1 市場(chǎng)形勢(shì)與投資分析有效性關(guān)系16-17
- 2.2 技術(shù)預(yù)測(cè)的可行性分析17
- 第三章 我國(guó)股價(jià)數(shù)據(jù)特點(diǎn)及相應(yīng)的處理方法17-24
- 3.1 股市數(shù)據(jù)的特點(diǎn)17-18
- 3.2 數(shù)據(jù)跳躍現(xiàn)象的處理策略—異常值判斷18-20
- 3.3 數(shù)據(jù)含有噪聲的處理策略—集合經(jīng)驗(yàn)?zāi)Ｐ头纸?/span>20-22
- 3.4 數(shù)據(jù)非線性的預(yù)測(cè)策略—支持向量機(jī)22-24
- 第四章 組合預(yù)測(cè)模型24-27
- 4.1 重復(fù)信息處理25
- 4.2 變量選擇方法25-27
- 4.3 組合模型結(jié)果評(píng)價(jià)指標(biāo)27
- 第五章 滬深300指數(shù)預(yù)測(cè)的實(shí)證研究27-50
- 5.1 數(shù)據(jù)來(lái)源及數(shù)據(jù)預(yù)處理28-30
- 5.1.1 數(shù)據(jù)來(lái)源28-29
- 5.1.2 數(shù)據(jù)預(yù)處理29-30
- 5.2 數(shù)據(jù)描述性統(tǒng)計(jì)分析30-34
- 5.2.1 原始數(shù)據(jù)的基本分析30-32
- 5.2.2 相關(guān)性分析32-34
- 5.3 組合預(yù)測(cè)結(jié)果展示34-39
- 5.3.1 異常值判斷34-35
- 5.3.2 重復(fù)信息處理35
- 5.3.3 去噪結(jié)果35-37
- 5.3.4 變量選擇結(jié)果37-38
- 5.3.5 預(yù)測(cè)結(jié)果38-39
- 5.4 預(yù)測(cè)結(jié)果分析39-42
- 5.4.1 整體擬合度分析39-40
- 5.4.2 相對(duì)誤差分析40-41
- 5.4.3 預(yù)測(cè)結(jié)果的列聯(lián)表分析41-42
- 5.5 組合預(yù)測(cè)模型與非完全組合預(yù)測(cè)模型的對(duì)比42-50
- 5.5.1 組合預(yù)測(cè)模型中各策略影響分析42-47
- 5.5.2 列聯(lián)表分析47-50
- 第六章 總結(jié)和展望50-52
- 6.1 總結(jié)50-51
- 6.2 展望51-52
- 參考文獻(xiàn)52-56
- 在學(xué)期間的研究成果56-57
- 致謝57
【參考文獻(xiàn)】
中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條
1 張亦春,周穎剛;中國(guó)股市弱式有效嗎?[J];金融研究;2001年03期
，本文編號(hào)：594555
本文鏈接：http://sikaile.net/guanlilunwen/huobilw/594555.html
最近更新
教材專著
