【摘要】：證券市場(chǎng)是一個(gè)公認(rèn)的呈現(xiàn)高度復(fù)雜性的非線性系統(tǒng),預(yù)測(cè)難度很大。傳統(tǒng)的聚類分析方法遇到強(qiáng)有力的挑戰(zhàn),如對(duì)高維空間的稀疏數(shù)據(jù)以及不規(guī)則分布具有任意形狀數(shù)據(jù)的分析。近鄰法由于在理論上進(jìn)行了深入地分析,直至現(xiàn)在仍是模式識(shí)別非參數(shù)法中最重要的方法之一,包括基于各種特定度量的最近鄰法和K近鄰法。傳統(tǒng)近鄰分類算法應(yīng)用于證券價(jià)格預(yù)測(cè)時(shí),需要在樣本間進(jìn)行大量的比較,占用巨大的存儲(chǔ)空間和計(jì)算時(shí)間,并且當(dāng)決策錯(cuò)誤產(chǎn)生的代價(jià)很大時(shí),會(huì)導(dǎo)致較大的風(fēng)險(xiǎn)。剪輯近鄰法通過(guò)一系列算法改進(jìn),避免了通常計(jì)量經(jīng)濟(jì)模型中特異數(shù)據(jù)影響模型參數(shù)的現(xiàn)象,同時(shí)克服了普通近鄰算法計(jì)算和存儲(chǔ)量大的的主要缺點(diǎn),部分解決了當(dāng)數(shù)據(jù)維數(shù)過(guò)高時(shí)可能發(fā)生維數(shù)災(zāi)難的難題。本文針對(duì)證券價(jià)格日常波動(dòng)的技術(shù)特征建立模型,試圖在對(duì)大量原始數(shù)據(jù)的重復(fù)剪輯近鄰法迭代預(yù)處理過(guò)程中,逐級(jí)篩選出對(duì)于聚類效果最顯著的特征數(shù)據(jù)或其組合,逐步分離出混合在原始數(shù)據(jù)中的噪聲和不確定因素,尋找最能反映股價(jià)波動(dòng)規(guī)律的主導(dǎo)型變量和因素,在保證一定的預(yù)測(cè)正確率的同時(shí)盡量減少計(jì)算量,得到數(shù)量較少的對(duì)應(yīng)于各類別的代表性樣本,完成對(duì)輸入數(shù)據(jù)空間的分割,從而實(shí)現(xiàn)對(duì)于任何未知樣本都可以采用某種度量方式找到已知代表樣本中與其最相似的樣本,據(jù)以完成類別歸屬判斷,最終實(shí)現(xiàn)預(yù)測(cè)。本文采用重復(fù)剪輯和增加拒絕決策功能的改進(jìn)算法進(jìn)行預(yù)測(cè),并結(jié)合中國(guó)滬深證券市場(chǎng)個(gè)股交易資料進(jìn)行實(shí)證檢驗(yàn)。結(jié)果表明和普通算法相比,預(yù)測(cè)正確率有明顯提高。本文通過(guò)對(duì)參數(shù)取值及其組合對(duì)預(yù)測(cè)結(jié)果影響的討論和算法的局部改進(jìn),從一個(gè)較新的角度得出一些有意義的結(jié)論。實(shí)證分析表明,運(yùn)用具有拒絕決策功能的重復(fù)剪輯近鄰算法,對(duì)指導(dǎo)廣大投資者進(jìn)行投資決策具有很強(qiáng)的實(shí)用性。
【圖文】：

西南交通大學(xué)碩士研究生學(xué)位論文第2個(gè)規(guī)則的證明是顯而易見(jiàn)的，圖2.6表示一待識(shí)樣本及其當(dāng)樣本子集的關(guān)系。如果以X為圓心，B為半徑作圓，則圓與。的分布圓形區(qū)域不會(huì)相交，，因而嬌中任一樣本不可能比X的靠近X。
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2005
【分類號(hào)】：F224;F830.91

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏峰,佘傳奇;證券技術(shù)分析何以預(yù)測(cè)[J];安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2002年04期

2 程啟月,邱菀華;證券市場(chǎng)耗散結(jié)構(gòu)及漲落分析[J];北京航空航天大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2001年01期

3 許雙魁;證券投資分析中的數(shù)學(xué)理論[J];寶雞文理學(xué)院學(xué)報(bào)(自然科學(xué)版);1999年01期

4 胡杉杉,黨佳瑞,藍(lán)柏雄;中國(guó)證券市場(chǎng)的可預(yù)測(cè)性研究[J];財(cái)經(jīng)科學(xué);2001年03期

5 唐俊,宋逢明;證券咨詢機(jī)構(gòu)選股建議的預(yù)測(cè)能力分析[J];財(cái)經(jīng)論叢(浙江財(cái)經(jīng)學(xué)院學(xué)報(bào));2002年01期

6 張潛,高立群;基于小波分析理論的證券投資市場(chǎng)預(yù)測(cè)[J];東北大學(xué)學(xué)報(bào);2002年06期

7 唐應(yīng)輝,李攀峰,楊晉浩;均線形態(tài)組合在證券分析中的應(yīng)用[J];電子科技大學(xué)學(xué)報(bào);2002年01期

8 楊德權(quán),楊德禮,胡運(yùn)權(quán);動(dòng)態(tài)組合證券投資決策非線性遞推規(guī)劃模型[J];大連理工大學(xué)學(xué)報(bào);2000年05期

9 周焯華,陳文南,張宗益;聚類分析在證券投資中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年07期

10 王碩,唐小我,曾勇;基于加速遺傳算法的組合證券投資決策[J];中國(guó)工程科學(xué);2002年09期

本文編號(hào)：2589221