本文關(guān)鍵詞：基于改進(jìn)GM（1，N）和優(yōu)化SVM組合模型的股票價(jià)格預(yù)測　出處：《哈爾濱工業(yè)大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 股價(jià)預(yù)測 GM（1 N） PSO-UK 支持向量機(jī) 組合模型

【摘要】：股票市場是資本市場的重要組成部分，也被看作是國民經(jīng)濟(jì)的“晴雨表”，在優(yōu)化資金配置、籌資融資以及資產(chǎn)保值增值等領(lǐng)域扮演著重要的角色。但股票市場風(fēng)險(xiǎn)與收益并存，，投資風(fēng)險(xiǎn)較大，能夠使用一些方法和相關(guān)模型分析金融市場的走勢，對(duì)股票價(jià)格進(jìn)行估計(jì)和預(yù)測，為投資者提供投資決策參考，具有極為重要的現(xiàn)實(shí)意義。 本文通過文獻(xiàn)的回顧和總結(jié)，首先從宏觀和微觀兩個(gè)角度分析了影響股票價(jià)格的因素，初步選取了GDP、利率、匯率等八個(gè)指標(biāo)作為股票價(jià)格預(yù)測的輸入變量，為精簡輸入變量個(gè)數(shù)，提高預(yù)測精度，使用了與逐步回歸、相關(guān)分析相結(jié)合的改進(jìn)灰色關(guān)聯(lián)分析方法對(duì)影響股票價(jià)格因素的變量進(jìn)行了二次特征提取，最終選取了M2、匯率、企業(yè)景氣指數(shù)、標(biāo)準(zhǔn)普爾500指數(shù)四個(gè)變量作為預(yù)測模型的輸入變量。 在股票價(jià)格預(yù)測上，構(gòu)建了基于誘導(dǎo)有序加權(quán)平均算子的組合模型，組合模型包括改進(jìn)的GM（1，N）模型和不確定知識(shí)粒子群（PSO-UK）優(yōu)化支持向量機(jī)模型，兩個(gè)模型對(duì)股票價(jià)格的線性和非線性部分進(jìn)行分別預(yù)測，并使用誘導(dǎo)有序加權(quán)平均算子確定兩個(gè)模型的權(quán)重，前文確定的四個(gè)變量作為輸入值，上證指數(shù)作為輸出值，對(duì)模型進(jìn)行了實(shí)證檢驗(yàn)。 使用平均絕對(duì)百分比誤差、均方百分比誤差等指標(biāo)，與原始GM（1，1）模型、原始GM（1，N）模型、粒子群優(yōu)化支持向量機(jī)模型以及BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比分析，對(duì)比結(jié)果表示文中提出的組合模型具有更優(yōu)的推廣和預(yù)測能力，驗(yàn)證了組合模型的優(yōu)越性，組合模型能夠?yàn)橥顿Y者對(duì)股市投資決策提供參考依據(jù)。
[Abstract]:The stock market is an important part of the capital market, is also regarded as the "barometer" of the national economy, in the optimization of the allocation of funds. Financing and asset preservation and appreciation play an important role, but the stock market risk and return co-exist, investment risk is high, can use some methods and related models to analyze the trend of financial markets. It is of great practical significance to estimate and forecast the stock price and to provide investors with reference for investment decision. This paper reviews and summarizes the literature, first from the macro and micro perspective to analyze the impact of the stock price factors, the preliminary selection of GDP, interest rate. Exchange rate and other eight indexes are used as input variables of stock price prediction. In order to reduce the number of input variables and improve the accuracy of prediction, we use and step by step regression. The improved grey correlation analysis method combined with correlation analysis extracts the quadratic feature of the variables that affect the factors of stock price, and finally selects M2, exchange rate, business climate index. The four variables of the S & P 500 index are used as input variables of the forecasting model. In the prediction of stock price, a combination model based on induced ordered weighted average operator is constructed. The combination model includes the improved GM(1. N) model and PSO-UK (uncertain knowledge Particle Swarm Optimization) optimization support vector machine model. The two models predict the linear and nonlinear parts of stock price separately. Using the induced ordered weighted average operator to determine the weights of the two models, the four variables determined in the previous paper as the input value, and the Shanghai stock index as the output value, the model is tested empirically. The average absolute percentage error, mean square percentage error and so on were compared with the original GM1 / 1) model and the original GMU 1 / N) model. The particle swarm optimization support vector machine model and BP neural network model are compared and analyzed. The comparison results show that the combination model proposed in this paper has better generalization and prediction ability, which verifies the superiority of the combined model. The portfolio model can provide a reference for investors to make decisions on stock market.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F830.91;F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 岳志坤;;合作營銷系統(tǒng)的組合模型[J];甘肅廣播電視大學(xué)學(xué)報(bào);2008年04期

2 劉麗峰;;組合模型的基金凈值預(yù)測研究[J];計(jì)算機(jī)仿真;2011年05期

3 劉曉斌;非線性組合預(yù)測人民幣匯率變動(dòng)方法研究[J];數(shù)理統(tǒng)計(jì)與管理;2002年02期

4 李飛;王高;;4Ps營銷組合模型的改進(jìn)研究[J];管理世界;2006年09期

5 馬雄威;朱再清;;灰色神經(jīng)網(wǎng)絡(luò)模型在豬肉價(jià)格預(yù)測中的應(yīng)用[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年04期

6 蔡曉春;伍雋;;基于灰色線性回歸組合模型的長沙、武漢房地產(chǎn)投資預(yù)測研究[J];經(jīng)濟(jì)數(shù)學(xué);2008年03期

7 雷可為;方田紅;;基于組合模型的陜西省旅游市場需求預(yù)測[J];西北師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

8 張疆涌;;綜合權(quán)組合預(yù)測[J];硅谷;2009年24期

9 盧二坡;;組合模型在我國能源需求預(yù)測中的應(yīng)用[J];數(shù)理統(tǒng)計(jì)與管理;2006年05期

10 汪濤;;組合模型在能源需求預(yù)測中的應(yīng)用[J];能源與環(huán)境;2006年06期

相關(guān)會(huì)議論文 前10條

1 ;A Tool Wear Predictive Model Based on SVM[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六屆中國控制會(huì)議論文集[C];2007年

3 司愛威;馮輔周;江鵬程;饒國強(qiáng);王建;;基于可變風(fēng)險(xiǎn)SVM模型的故障識(shí)別方法研究[A];第十屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集（2011）上冊(cè)[C];2011年

4 王紅偉;董慧;;一種提高SVM分類精度的調(diào)制信號(hào)識(shí)別方法[A];2010年西南三省一市自動(dòng)化與儀器儀表學(xué)術(shù)年會(huì)論文集[C];2010年

5 ;Improved Particle Swarm Optimized SVM for Short-term Traffic Flow Predication[A];第二十六屆中國控制會(huì)議論文集[C];2007年

6 宋鑫穎;周志逵;;一種基于SVM的主動(dòng)學(xué)習(xí)文本分類方法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2006年

7 邵杰;葉寧;容亦夏;;基于SVM的多波束測深數(shù)據(jù)濾波[A];第二十九屆中國控制會(huì)議論文集[C];2010年

8 于湘濤;周峰;張?zhí)m;魏超;;基于SVM和田口方法的石英撓性加速度計(jì)健壯性設(shè)計(jì)[A];質(zhì)量——持續(xù)發(fā)展的源動(dòng)力：中國質(zhì)量學(xué)術(shù)與創(chuàng)新論壇論文集（下）[C];2010年

9 ;Adaptive Control of Nonlinear System Based on SVM Online Algorithm[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)D卷[C];2011年

10 張睿;陳雪;馬建文;;基于遞歸SVM的高光譜數(shù)據(jù)特征選擇算法研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 姜洋;矽感GM二維條碼成國標(biāo)[N];中國計(jì)算機(jī)報(bào);2008年

2 郭濤;利用SVM虛擬化技術(shù)實(shí)現(xiàn)容災(zāi)[N];中國計(jì)算機(jī)報(bào);2008年

3 香塘偉業(yè) 吳守祥;大豆系列套保套利組合模型[N];期貨日?qǐng)?bào);2006年

4 曉;矽感GM二維條碼成為國際標(biāo)準(zhǔn)[N];中國電子報(bào);2008年

5 香塘偉業(yè)　　吳守祥;關(guān)注大豆提油套利的異常情況[N];中國證券報(bào);2006年

6 本報(bào)記者 孫斌;NEW—GM MADE IN CHINA 通用尋求復(fù)興新支點(diǎn)[N];華夏時(shí)報(bào);2009年

7 本報(bào)記者 賈晶晶;GM：為中國用戶造最好的汽車[N];中國企業(yè)報(bào);2009年

8 本報(bào)記者 黃嶸邋錢曉涵;頻繁入市 券商試水股指期貨套利[N];上海證券報(bào);2007年

9 黃嶸邋錢曉涵;券商試水股指期貨套利風(fēng)險(xiǎn)[N];市場報(bào);2007年

10 朱平;股市預(yù)言家[N];上海證券報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 渠瑜;基于SVM的高不平衡分類技術(shù)研究及其在電信業(yè)的應(yīng)用[D];浙江大學(xué);2010年

2 申豐山;樣例權(quán)重估計(jì)及在此基礎(chǔ)上的SVM[D];西安電子科技大學(xué);2011年

3 宋國明;基于提升小波及SVM優(yōu)化的模擬電路智能故障診斷方法研究[D];電子科技大學(xué);2010年

4 郭穎;森林地上生物量的非參數(shù)化遙感估測方法優(yōu)化[D];中國林業(yè)科學(xué)研究院;2011年

5 張婧;基于SVM的肺結(jié)節(jié)自動(dòng)識(shí)別方法研究[D];華南理工大學(xué);2011年

6 龍艷花;基于SVM的話者確認(rèn)關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2011年

7 許敏強(qiáng);基于話者統(tǒng)計(jì)特征和SVM的文本無關(guān)話者確認(rèn)研究[D];中國科學(xué)技術(shù)大學(xué);2011年

8 曹志霽;離散—連續(xù)組合溶劑化模型的應(yīng)用研究[D];廈門大學(xué);2004年

9 余偉萍;基于能力組合模型的企業(yè)持續(xù)發(fā)展研究[D];四川大學(xué);2004年

10 周濤;基于策略的服務(wù)組合關(guān)鍵技術(shù)研究及應(yīng)用[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張克宜;基于改進(jìn)GM（1，N）和優(yōu)化SVM組合模型的股票價(jià)格預(yù)測[D];哈爾濱工業(yè)大學(xué);2013年

2 嚴(yán)會(huì)霞;基于SVM的眼動(dòng)軌跡解讀思維狀態(tài)的研究[D];太原理工大學(xué);2010年

3 吳迪;基于SVM分類器的分步定位算法研究[D];哈爾濱工業(yè)大學(xué);2010年

4 楊煥;基于Basic-N-Units特征的SVM方法預(yù)測MicroRNA[D];吉林大學(xué);2010年

5 曾玉祥;盲抽取與SVM方法在地球化學(xué)異常下限提取中的應(yīng)用[D];成都理工大學(xué);2010年

6 曹云生;基于支持向量機(jī)（SVM）的森林生態(tài)系統(tǒng)健康評(píng)價(jià)及預(yù)警[D];河北農(nóng)業(yè)大學(xué);2011年

7 張漢女;基于SVM的海岸線提取方法研究[D];東北師范大學(xué);2010年

8 姚玉;基于GA-SVM算法的細(xì)胞色素酶P450突變預(yù)測[D];上海交通大學(xué);2011年

9 陳燃燃;基于SVM算法的web分類研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2010年

10 陳卓;基于聚類和SVM主動(dòng)反饋的圖像檢索方法[D];重慶大學(xué);2010年

本文編號(hào)：1393110