【摘要】：本文建立模型的目的在于為普通小股民提供決策信息,減少他們耗費(fèi)在股票上的精力,并且能從股票差價(jià)中獲得相對較大的利潤。文章的關(guān)鍵點(diǎn)是建立模型預(yù)測未來一段時(shí)間股票最高價(jià)的局部極大值點(diǎn)(簡稱“極高點(diǎn)”)和最低價(jià)的局部極小值點(diǎn)(簡稱“極低點(diǎn)”)所處期數(shù)。由于大多數(shù)股民沒有過多的精力,去每天觀察股票價(jià)格走勢,每天思考是否買進(jìn)、是否賣出以及如何進(jìn)行交易。那么預(yù)測最高價(jià)的極高點(diǎn)和最低價(jià)的極低點(diǎn)所處期數(shù),就可以向股民提供參考,讓他們在這段時(shí)間內(nèi)觀察股市。并且可以通過股價(jià)預(yù)測的方法給出買進(jìn)和賣出的價(jià)格,從而進(jìn)行交易,獲得相對較大的差價(jià)利潤。 本文選取滬深300指數(shù)日線從2007年9月7日到2011年10月20日共1000期的最高價(jià)與最低價(jià)數(shù)據(jù)以及深發(fā)展日線從2006年8月23日到2011年10月18日共1152期的最高價(jià)與最低價(jià)數(shù)據(jù)為樣本來進(jìn)行實(shí)證分析。首先,簡單介紹小波分析在股價(jià)預(yù)測上的應(yīng)用,分別對最高價(jià)時(shí)間序列和最低價(jià)時(shí)間序列進(jìn)行小波分解,提取其低頻部分。然后,分別對最高價(jià)和最低價(jià)的低頻部分時(shí)間序列GA.DA建立模型,提取出最高價(jià)GA的極高點(diǎn)所處期數(shù)以及最低價(jià)DA的極低點(diǎn)所處期數(shù),對其作圖發(fā)現(xiàn)他們分別具有良好的線性關(guān)系。對這兩組時(shí)間序列建立線性回歸模型,預(yù)測出極值點(diǎn)將會出現(xiàn)的期數(shù)。再次,這些極低點(diǎn)與極高點(diǎn)按時(shí)間先后分別配對,得到幾組極高點(diǎn)與極低點(diǎn)。根據(jù)這個(gè)結(jié)果,觀察分析得出應(yīng)該進(jìn)行交易的極低點(diǎn)和極高點(diǎn)的組數(shù)。最后,根據(jù)分析所得到的組數(shù),在該組的最低價(jià)出現(xiàn)的前兩期時(shí),對股票最低價(jià)的價(jià)格時(shí)間序列建立ARIMA模型以及線性自回歸模型,用這兩個(gè)模型分別預(yù)測得出后兩期的價(jià)格并將兩個(gè)模型所得的結(jié)果進(jìn)行對比,從而決定買進(jìn)的價(jià)格。用同樣的方法預(yù)測該組最高價(jià)出現(xiàn)之前的價(jià)格并進(jìn)行對比,從而決定賣出的價(jià)格。這樣先以低價(jià)買進(jìn),再以高價(jià)賣出,從中獲取差價(jià)利潤。
[Abstract]:The purpose of this paper is to provide decision-making information for ordinary small shareholders, reduce the energy they spend on stocks, and make a relatively large profit from the stock price difference. The key point of this paper is to establish a model to predict the number of periods in which the local maximum point (referred to as "the highest point") and the lowest local minimum point (referred to as the "very low point") of the highest price of the stock in the future. Because most shareholders don't have too much energy to watch stock prices every day, think about whether to buy, sell, and how to trade every day. Then predicting the number of periods between the highest peak and the lowest extreme low can provide a reference for shareholders to observe the stock market during this period. And the price of buy and sell can be given by the method of stock price prediction, so that the transaction can be carried out and a relatively large margin of difference can be obtained. This paper selects the data of the highest price and the lowest price of the 1000 issue of the Shanghai and Shenzhen 300 Index from September 7, 2007 to October 20, 2011, as well as the 1152 issues of the Shenzhen Development Japan from August 23, 2006 to October 18, 2011. The data are samples for empirical analysis. Firstly, the application of wavelet analysis in stock price prediction is briefly introduced. The highest price time series and the lowest price time series are decomposed by wavelet, and their low frequency parts are extracted. Then, the models of low frequency partial time series GA.DA with the highest price and the lowest price are established respectively, and the number of periods at the highest point of the highest price GA and the number of periods at the lowest point of the lowest DA are extracted. It is found that they have a good linear relationship. A linear regression model is established for these two groups of time series to predict the number of periods in which extreme points will appear. Thirdly, these extreme lows and extreme high points are matched according to the time order, and several groups of extreme high points and extremely low points are obtained. Based on this result, the observation and analysis shows the number of extremely low and extremely high points that should be traded. Finally, according to the number of groups obtained from the analysis, the ARIMA model and linear autoregression model are established for the lowest price time series of stocks when the lowest price of the group appears in the first two periods. The prices of the last two periods are predicted by the two models and the results of the two models are compared to determine the purchase price. The same method is used to predict and compare the prices before the highest prices in the group to determine the prices to be sold. In this way, buy at a low price, and then sell at a high price to get profit from the price difference.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：F832.51;F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳應(yīng)田;搶占制高點(diǎn)的人——記涪陵金帝工業(yè)集團(tuán)公司董事長兼總經(jīng)理徐道生[J];中國紡織;1998年07期

2 金學(xué)偉;1307點(diǎn)以來60分鐘走勢分析[J];股市動態(tài)分析;2004年Z1期

3 陳秋東;PTA行業(yè):產(chǎn)能蓄勢待放 景氣高點(diǎn)在06年[J];證券導(dǎo)刊;2004年35期

4 魯兆;今年高點(diǎn)何處在?[J];股市動態(tài)分析;2005年11期

5 崔琳;乘風(fēng)破浪 再創(chuàng)新高——2004年黃金市場回顧及2005年展望[J];中國金屬通報(bào);2005年09期

6 高子劍;;反彈高點(diǎn)下移[J];股市動態(tài)分析;2010年02期

7 林作新;高點(diǎn)——高點(diǎn)在哪里[J];家具與環(huán)境;2002年03期

8 張艷芳;隨機(jī)開發(fā)與高點(diǎn)競爭[J];企業(yè)技術(shù)開發(fā);1997年12期

9 劉輝，朱朝明;興隆區(qū)財(cái)政搶占投入“制高點(diǎn)”[J];四川財(cái)政;1994年09期

10 魯兆;絕地反撲千點(diǎn)保衛(wèi)戰(zhàn)(三)——10月出現(xiàn)年內(nèi)最后一個(gè)高點(diǎn)[J];股市動態(tài)分析;2005年31期

相關(guān)會議論文 前10條

1 王春鴻;;用自適應(yīng)光學(xué)技術(shù)提高點(diǎn)目標(biāo)的跟蹤精度[A];第六屆全國激光科學(xué)技術(shù)青年學(xué)術(shù)交流會論文集[C];2001年

2 李大剛;;坐位骶管神經(jīng)阻滯麻醉用于肛腸疾病155例的體會[A];中西醫(yī)結(jié)合大腸肛門病研究新進(jìn)展——第十屆中國中西醫(yī)結(jié)合學(xué)會大腸肛門病學(xué)術(shù)研討會論文集[C];2004年

3 李亞瑋;;科普電視節(jié)目的新形態(tài)——時(shí)效性科普節(jié)目——對《挺進(jìn)南極冰蓋最高點(diǎn)》節(jié)目的思考[A];中國科技新聞學(xué)會第八次學(xué)術(shù)年會論文集[C];2005年

4 謝光宇;陳明劍;;建南構(gòu)造南高點(diǎn)建平7井長興組儲層評價(jià)[A];湖北省石油學(xué)會測井專業(yè)委員會2007年年會論文集[C];2007年

5 袁楚;李愛軍;;漢語自然口語中非正常停頓現(xiàn)象初探[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];2007年

6 范曉敏;;FitCheckerⅡ在嵌體試戴中的應(yīng)用[A];全國口腔科護(hù)理學(xué)術(shù)交流暨專題講座會議論文匯編[C];2008年

7 朱建群;;為了紅五月競賽[A];老兵話當(dāng)年（第一輯）[C];2001年

8 ;8月份PMI指數(shù)回升為52．6％[A];中國物流與采購聯(lián)合會會員通訊總第85—95期（2005年）[C];2005年

9 馮波;張揚(yáng)紅;傅智斌;;德安縣2008年1月低溫雨雪冰凍天氣前兆性規(guī)律分析[A];第26屆中國氣象學(xué)會年會災(zāi)害天氣事件的預(yù)警、預(yù)報(bào)及防災(zāi)減災(zāi)分會場論文集[C];2009年

10 王占海;;青海牧區(qū)草山糾紛中死亡6具尸體槍彈損傷的檢驗(yàn)體會[A];第三屆全國法醫(yī)損傷學(xué)術(shù)交流會論文集[C];1998年

相關(guān)重要報(bào)紙文章 前10條

1 廖一娜;澳元?jiǎng)?chuàng)下6周高點(diǎn)[N];國際金融報(bào);2005年

2 全國涂料工業(yè)信息中心 魏仁華;爭奪市場競爭制高點(diǎn)[N];中國化工報(bào);2005年

3 本報(bào)記者 關(guān)亞玫;恒指刷新四年高點(diǎn)[N];證券日報(bào);2005年

4 特約作者　羅濟(jì)潤;澳元穩(wěn)居半年高點(diǎn)[N];國際金融報(bào);2004年

5 遼寧中期 時(shí)巖;消化調(diào)控利空 連豆將重返高點(diǎn)[N];證券時(shí)報(bào);2007年

6 第一證券 樓棟;中小板：有望沖擊高點(diǎn)[N];證券時(shí)報(bào);2006年

7 記者 程明盛 肖管 楊豹 通訊員 羅穎濤;企業(yè)爭搶技術(shù)制高點(diǎn)[N];中山日報(bào);2005年

8 本報(bào)記者　 關(guān)亞玫;國企指數(shù)連續(xù)四日創(chuàng)新高[N];證券日報(bào);2006年

9 陳玉娟 DigiTimes;臺三大PC廠轉(zhuǎn)型命運(yùn)大不同[N];電子資訊時(shí)報(bào);2006年

10 桂浩明;前期高點(diǎn)的阻力不能小覷[N];上海證券報(bào);2006年

相關(guān)博士學(xué)位論文 前3條

1 李俊洪;板帶軋機(jī)板形計(jì)算理論及其在寬帶軋制中應(yīng)用研究[D];燕山大學(xué);2003年

2 鄭小平;高新技術(shù)企業(yè)競爭力及其矢量再造[D];四川大學(xué);2003年

3 王子茹;堤壩透視投影及圖形可視化研究[D];大連理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 李美;基于小波分解的股票價(jià)格極高點(diǎn)與極低點(diǎn)的預(yù)測及交易的決策[D];昆明理工大學(xué);2012年

2 李和;川東雷音鋪構(gòu)造帶石炭系氣藏精細(xì)描述[D];成都理工大學(xué);2009年

3 高興;大陸漢族青年口唇形態(tài)及相關(guān)指標(biāo)的測量研究[D];中南大學(xué);2008年

4 周海燕;歧口17-2油田西高點(diǎn)剩余油分布的地質(zhì)因素研究[D];中國石油大學(xué);2007年

5 曹曉科;期貨市場跨商品套利機(jī)制研究及實(shí)證分析[D];西南交通大學(xué);2008年

6 霍科林;我國優(yōu)秀女子鏈球運(yùn)動員動作技術(shù)分析及動作技術(shù)分析系統(tǒng)的初步建立[D];北京體育大學(xué);2004年

7 呂建升;坐標(biāo)數(shù)據(jù)成圖的分析研究[D];同濟(jì)大學(xué);2007年

8 倪娜;德昂語廣卡話疑問句語調(diào)研究[D];中央民族大學(xué);2007年

9 朱潔;一種新的曲線相似性判別方法研究[D];武漢理工大學(xué);2008年

10 林泉;正中神經(jīng)返支的解剖學(xué)及臨床應(yīng)用研究[D];吉林大學(xué);2004年

，

本文編號：2482957