【摘要】： 中國的證券市場經(jīng)過了十幾年的迅猛發(fā)展,吸引了越來越多的投資者將資金投入到了證券市場當(dāng)中,想要從中獲得巨大的回報。同時在近幾年,數(shù)據(jù)挖掘技術(shù)也取得了巨大的進步,它具有在海量數(shù)據(jù)中發(fā)掘潛在的信息的能力,被廣泛的進行運用,尤其運用在證券領(lǐng)域中。 滬深300指數(shù)從2005年成立以來,就成為了一個能夠表現(xiàn)出上海和深圳股指的良好的指數(shù)。選擇標(biāo)準是規(guī)模大,流動性好的股票,覆蓋了滬深兩市達到60%以上的市值,又是即將推出的股指期貨的標(biāo)的物。而對股指收益率的預(yù)測可以從兩個角度入手:從收益率的來源看,影響股票的收益率的來源可以從外部環(huán)境、監(jiān)管部門、上市公司的基本面、投資者的行為、技術(shù)分析、相關(guān)投資品價格等角度進行分析。從波動的時間序列特性上來看,股票收益率的時間序列除了具有非線性,非平穩(wěn)性的一般時間序列所具有的特性之外,還具有尖峰厚尾、高噪音、波動聚集性等特征。因此對股票的收益率的時間序列的預(yù)測更具有難度和挑戰(zhàn)性,并具有很廣泛的應(yīng)用價值和廣闊的市場前景。 針對上面的兩個角度,本文嘗試著利用數(shù)據(jù)挖掘方法進行了分析預(yù)測。首先從上述的六個波動來源找到一些具有代表性的指標(biāo),利用數(shù)據(jù)挖掘中的Logistic,決策樹和神經(jīng)網(wǎng)絡(luò)方法對股指的未來的走勢進行了分析和預(yù)測。并找到了波動率來源的一些特點,并發(fā)現(xiàn)神經(jīng)元網(wǎng)絡(luò)在預(yù)測的效果良好。隨后利用BP神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)、自學(xué)習(xí)、非線性的優(yōu)化與GARCH模型中的刻畫時間序列中自相關(guān)性、波動聚集性、尖峰厚尾性的特性相結(jié)合。建立了BP—AR—GARCH模型,在預(yù)測中取得了良好的效果。
【圖文】：

個階段的順序是不固定的，，我們經(jīng)常需要前后調(diào)整這些階段。它是一個多次反復(fù)、多次調(diào)整、不斷修訂完善的過程。cRlsP一。M的數(shù)據(jù)挖掘流程如圖3一2所示:外圈象征數(shù)據(jù)挖掘自身的循環(huán)本質(zhì)一一在一個解決方案發(fā)布之后一個數(shù)據(jù)挖掘的過程才可以繼續(xù)。在這個過程中得到的知識可以觸發(fā)新的，經(jīng)常是更聚焦的商業(yè)問題。后續(xù)的過程可以從前一個過程得到益處。圖3一 2cRlsp一。M的數(shù)據(jù)挖掘流程資料來源:數(shù)據(jù)挖掘在信用卡業(yè)務(wù)中的應(yīng)用研究I48]

行建模分析。LogistiC建模中采用的方法是多項式進入法。具體的建模步驟如下:(1)將訓(xùn)練數(shù)據(jù)集作為構(gòu)建模型數(shù)據(jù)源，測試數(shù)據(jù)集作為測試模型數(shù)據(jù)集。(2)設(shè)置輸入、輸出字段屬性:見圖4一1所示，在類型節(jié)點類型方向項中進行選擇，漲跌為輸出變量，將其余的12個字段為輸入字段。(3)設(shè)置建模參數(shù):見圖4一2所示，在Mode!選項卡中，變量輸入方式為進入法，其他為默認。在Expert選項卡中，選擇專家模式及輸出選項中的全部選項，其余為默認。(4)構(gòu)建模型。(5)利用測試數(shù)據(jù)集對模型進行測試。(6)重新抽取數(shù)據(jù)集
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：F224;F832.51

【參考文獻】

相關(guān)期刊論文 前8條

1 王春峰,張慶翠;中國股市波動性過程中的長期記憶性實證研究[J];系統(tǒng)工程;2004年01期

2 陶慶梅;;ANN-GARCH混合模型的理論嘗試[J];工業(yè)技術(shù)經(jīng)濟;2005年09期

3 曾勇,唐小我;人工神經(jīng)網(wǎng)絡(luò)在資本市場預(yù)測中的應(yīng)用[J];管理工程學(xué)報;1999年04期

4 殷洪才;趙春燕;王佳秋;;模糊神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];哈爾濱理工大學(xué)學(xué)報;2007年04期

5 李濟生;;中國股市波動影響因素分析[J];哈爾濱商業(yè)大學(xué)學(xué)報(社會科學(xué)版);2006年02期

6 劉潭秋;謝赤;;基于GARCH模型與ANN技術(shù)組合的匯率預(yù)測[J];科學(xué)技術(shù)與工程;2006年23期

7 葉東毅,劉文標(biāo);徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)在股票走勢模式分類中的應(yīng)用[J];運籌與管理;1999年03期

8 魏巍賢,周曉明;中國股票市場波動的非線性GARCH預(yù)測模型[J];預(yù)測;1999年05期

相關(guān)碩士學(xué)位論文 前2條

1 潘林;基于小波分析與神經(jīng)網(wǎng)絡(luò)的股票市場預(yù)測應(yīng)用研究[D];武漢理工大學(xué);2006年

2 林香;證券分析中數(shù)據(jù)挖掘模型的研究及應(yīng)用[D];廈門大學(xué);2007年

本文編號：2675653