【摘要】：本文首先介紹了隱馬爾可夫模型(theHiddenMarkovModel,簡記為HMM模型)的結構。這一模型被應用到很多領域,如語音識別、基因關聯(lián)分析和基因識別、文字識別等。隱馬爾可夫模型需要解決三個問題:學習問題、識別問題和解碼問題。對這三個問題的回答就構成了隱馬氏模型理論。本文的工作主要有: 1.受啟發(fā)于模式識別工具在股市預測中的成功應用,本文將HMM模型應用于股市預測中,并利用歷史數(shù)據(jù)進行實證檢驗。樣本外預測的結果說明了HMM模型的適用性,但準確率較低。 2.由于國內股市的觀測序列,如股票日收益率,資金日凈流入,成交金額等數(shù)據(jù)自身具有較強的自相關性,而傳統(tǒng)的隱馬爾可夫模型認為觀測序列的概率分布僅與當前的隱含狀態(tài)有關,不能很好的刻畫股市觀測序列的性質,所以本文引入了改進的HMM模型,即考慮時域上相關性的HMM模型(the timecorrelation HMM,簡記為TCHMM模型)。實證表明TCHMM模型在預測準確率上有一定的改進。 3.TCHMM模型雖然在預測準確率上有了一定的改進,但由于模型中需要估計的參數(shù)量增大,參數(shù)訓練收斂速度較慢,本文將遺傳算法應用于HMM模型的參數(shù)訓練中,仿真計算與實證檢驗說明了該方法對收斂速度和收斂穩(wěn)定性的有一定改進。
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：F830.91;F224

【引證文獻】

相關碩士學位論文 前1條

1 蘭錦池;基于隱馬爾可夫模型的人民幣匯率研究[D];華東師范大學;2012年

，

本文編號：2698909