本文關(guān)鍵詞：股票價(jià)格預(yù)測(cè)的時(shí)間序列組合模型方法，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著國(guó)民經(jīng)濟(jì)的迅猛發(fā)展，股票市場(chǎng)已成為我國(guó)市場(chǎng)經(jīng)濟(jì)的重要組成部分，從中獲取利潤(rùn)是所有投資者前來(lái)投資最原始、最直接的目的。要使投資盡可能地獲利，需要對(duì)投資行為進(jìn)行合理的決策，這就要求我們?cè)谶@之前對(duì)股票歷史數(shù)據(jù)進(jìn)行充分、有效的分析，進(jìn)而對(duì)價(jià)格有合理的預(yù)測(cè)。由于股票市場(chǎng)是一個(gè)復(fù)雜的非線性系統(tǒng)，其數(shù)據(jù)量龐大、變化平凡，建立一個(gè)計(jì)算速度適中和精確度較高的自動(dòng)股票預(yù)測(cè)模型，對(duì)于股票市場(chǎng)監(jiān)管者的監(jiān)管和股票投資者的投資有著重要的參考和指導(dǎo)價(jià)值。 股票價(jià)格序列是一種特殊的時(shí)間序列，因而我們可以采用一些改進(jìn)的時(shí)間序列的方法對(duì)其進(jìn)行預(yù)測(cè)。常用的時(shí)間序列方法有三大類：統(tǒng)計(jì)模型方法、機(jī)器學(xué)習(xí)方法和組合方法。單純的統(tǒng)計(jì)模型方法在當(dāng)下復(fù)雜的應(yīng)用背景下，表現(xiàn)往往不盡人意，目前比較流行的為機(jī)器學(xué)習(xí)方法和組合方法。因?yàn)榻M合方法是多種方法的有機(jī)整合，這跟股票價(jià)格的多成分組成特點(diǎn)十分吻合，，本文認(rèn)為組合方法相比單一方法能夠更好地對(duì)股票價(jià)格進(jìn)行有效地預(yù)測(cè)。 在普遍為人們接受的股票價(jià)格三組成劃分的基礎(chǔ)上，本文建立了組合優(yōu)化選擇的組合預(yù)測(cè)方法框架，允許將各部分的不同方法得到的結(jié)果的組合按一定的規(guī)則進(jìn)行取舍得到最終的預(yù)測(cè)結(jié)果，進(jìn)而獲得了比單個(gè)預(yù)測(cè)方法更為可靠的結(jié)果。在此框架的基礎(chǔ)上，本文還對(duì)其中一部分的組成成因進(jìn)行了探索和研究，并據(jù)此建立了相應(yīng)的數(shù)學(xué)模型，進(jìn)一步改進(jìn)了最終決定系統(tǒng)精度強(qiáng)波動(dòng)部分預(yù)測(cè)模塊的預(yù)測(cè)精度。還引入了一種隨機(jī)預(yù)測(cè)結(jié)果修正方法，希望以此進(jìn)一步提高模型的可靠性。 本文選取滬市A股（共計(jì)946組）和深市A股（共計(jì)1135組）本文算法適用的個(gè)股和指數(shù)日收盤價(jià)進(jìn)行了一系列的分析對(duì)比實(shí)驗(yàn)。首先對(duì)不同濾波器進(jìn)行趨勢(shì)獲取的效果進(jìn)行了對(duì)比分析；接著在類隨機(jī)部分預(yù)測(cè)部分，對(duì)本文提出的新模型與傳統(tǒng)AR模型進(jìn)行了分析和比較；再還進(jìn)行了隨機(jī)預(yù)測(cè)結(jié)果修正方法的效果驗(yàn)證；最后進(jìn)行了結(jié)果整合的總成實(shí)驗(yàn)，同時(shí)還驗(yàn)證了本文采用的組合結(jié)果選取準(zhǔn)則的有效性。通過(guò)這一系列的實(shí)驗(yàn)，數(shù)據(jù)有力地驗(yàn)證了本文的假設(shè)和方法的合理性和有效性，同時(shí)也暴露出具體方法的一些問(wèn)題。
【關(guān)鍵詞】：股票價(jià)格預(yù)測(cè) 時(shí)間序列 組合 劃分 框架
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F832.51;F224;TP301.6
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 研究背景9-10
• 1.2 研究意義10
• 1.3 研究現(xiàn)狀10-15
• 1.3.1 統(tǒng)計(jì)學(xué)方法11-12
• 1.3.2 機(jī)器學(xué)習(xí)方法12-13
• 1.3.3 組合方法13-15
• 1.4 研究?jī)?nèi)容和論文結(jié)構(gòu)15-18
• 1.4.1 研究?jī)?nèi)容16-17
• 1.4.2 章節(jié)安排17-18
• 第2章 基礎(chǔ)知識(shí)18-32
• 2.1 股票價(jià)格預(yù)測(cè)及其預(yù)測(cè)模型評(píng)價(jià)18-20
• 2.1.1 股票價(jià)格序列預(yù)測(cè)18-19
• 2.1.2 預(yù)測(cè)模型評(píng)價(jià)19-20
• 2.2 小波分析與多分辨分析20-22
• 2.3 擬周期檢測(cè)與 Fourier 變換22-25
• 2.4 時(shí)間序列常用模型25-27
• 2.4.1 自回歸模型（AR）26
• 2.4.2 滑動(dòng)平均模型（MA）26
• 2.4.3 自回歸滑動(dòng)平均模型（ARMA）26-27
• 2.4.4 自回歸異方差模型（ARCH）27
• 2.5 卡爾曼濾波27-29
• 2.6 組合預(yù)測(cè)方法29-32
• 第3章 股票價(jià)格預(yù)測(cè)的時(shí)間序列組合模型方法32-42
• 3.1 組合預(yù)測(cè)方法框架33-36
• 3.2 基于股價(jià)類隨機(jī)成分成因的預(yù)測(cè)模型及其改進(jìn)36-39
• 3.2.1 一類新的股票價(jià)格類隨機(jī)部分預(yù)測(cè)方法——類趨勢(shì)變化回歸模型（Trend Movement Regressive Model: TMR）37-38
• 3.2.2 基于類卡爾曼濾波的類隨機(jī)預(yù)測(cè)方法改進(jìn)算法38-39
• 3.3 組合結(jié)果選取的最小均方離差率準(zhǔn)則39-42
• 第4章 實(shí)驗(yàn)結(jié)果與分析42-67
• 4.1 實(shí)驗(yàn)條件42-43
• 4.2 實(shí)驗(yàn)結(jié)果與分析43-65
• 4.2.1 不同濾波器獲取趨勢(shì)對(duì)預(yù)測(cè)結(jié)果的影響44-49
• 4.2.2 類 TMR 模型以及類隨機(jī)結(jié)果修正算法的預(yù)測(cè)效果分析49-61
• 4.2.2.1 類 TMR 模型的預(yù)測(cè)效果對(duì)比與分析49-54
• 4.2.2.2 基于類卡爾曼濾波的類隨機(jī)預(yù)測(cè)修正算法54-61
• 4.2.3 總成實(shí)驗(yàn)與組合結(jié)果選取最小均方離差率準(zhǔn)則的有效性分析61-65
• 4.3 小結(jié)65-67
• 總結(jié)與展望67-69
• 一、論文工作總結(jié)與創(chuàng)新67
• 二、未來(lái)展望67-69
• 參考文獻(xiàn)69-73
• 致謝73-74
• 附錄 A 攻讀碩士學(xué)位期間參加的科研項(xiàng)目74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前9條

1 陳傳超;郭志明;;股票市場(chǎng)供求關(guān)系與股價(jià)及其變化率的微分方程[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年01期

2 姚洪興,盛昭瀚;股市預(yù)測(cè)中的小波神經(jīng)網(wǎng)絡(luò)方法的研究[J];管理工程學(xué)報(bào);2002年02期

3 楊樂(lè);張瑞;;基于在線序列ELM算法的高效股票預(yù)測(cè)[J];純粹數(shù)學(xué)與應(yīng)用數(shù)學(xué);2012年06期

4 朱揚(yáng)勇;戴東波;熊峗;;序列數(shù)據(jù)相似性查詢技術(shù)研究綜述[J];計(jì)算機(jī)研究與發(fā)展;2010年02期

5 邱望仁;劉曉東;;基于證據(jù)理論的模糊時(shí)間序列預(yù)測(cè)模型[J];控制與決策;2012年01期

6 馮建;Starzyk Janusz;邱菀華;;一種基于信息熵的金融數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)分類方法[J];控制與決策;2012年02期

7 李曉光;宋寶燕;于戈;王大玲;;基于小波的時(shí)間序列流偽周期檢測(cè)方法[J];軟件學(xué)報(bào);2010年09期

8 謝衷潔,王弛;用時(shí)間序列方法預(yù)測(cè)股票價(jià)格初探[J];數(shù)理統(tǒng)計(jì)與管理;2004年05期

9 楊一文,劉貴忠;基于神經(jīng)網(wǎng)絡(luò)的多變量時(shí)間序列預(yù)測(cè)及其在股市中的應(yīng)用[J];信息與控制;2001年05期

  本文關(guān)鍵詞：股票價(jià)格預(yù)測(cè)的時(shí)間序列組合模型方法，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：383338