隨著經(jīng)濟發(fā)展,人們開始關注股票市場,由于股票市場的高度復雜性以及影響因素眾多給股市的預測帶來很大的困難。股市的預測也一直被專家學學者研究,預測精度高的模型能更好的指導投資者減少投資的風險。本文主要針對股市預測模型中的尖峰點難以預測導致模型準確度低的問題,從指標背離的角度對股市中的異常突變點進行分析,以支持向量機模型作為基礎預測模型,對股市波動預測進行研究。本文開展的研究如下：(1)由于股票價格波動具有較強的突變性,導致股票價格走勢難以預測。提出基于離群特征模式的股市波動預測模型(SOFSVM),該算法首先利用馬爾科夫毯選取目標結點的局部網(wǎng)絡結構,以屏蔽其他結點對目標結點的影響；進而,對目標結點的指標進行分析,提取異于一般行為的離群特征模式；利用滑動窗口捕捉離群特征,將離群特征模式作為先驗知識加入原SVM模型,預測尖峰點并平滑尖峰點對于預測結果的影響,提高預測模型的穩(wěn)健性。(2)針對SOFSVM算法對于背離之后股價波動的方向預測效果不理想的情況,提出基于特征能量的股市波動預測模式(EOF-SVM)。EOF-SVM算法根據(jù)多個指標背離及特殊指標形態(tài)將指標數(shù)據(jù)與股價建立貝葉斯網(wǎng)絡,通過貝葉斯...

【文章頁數(shù)】：71 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
第一章 緒論
    1.1 本文研究的背景
    1.2 國內外的研究現(xiàn)狀
    1.3 貝葉斯網(wǎng)絡
    1.4 本文的課題來源及工作創(chuàng)新
        1.4.1 課題來源
        1.4.2 本文主要工作創(chuàng)新
    1.5 文章的章節(jié)安排
第二章 貝葉斯網(wǎng)絡及特征選擇算法
    2.1 貝葉斯網(wǎng)絡
        2.1.1 貝葉斯定理
        2.1.2 貝葉斯網(wǎng)絡的相關定義
        2.1.3 概率圖分割和變量獨立
        2.1.4 條件獨立性的測試方法
    2.2 馬爾科夫毯
        2.2.1 馬爾科夫毯的相關定義及應用
        2.2.2 馬爾科夫毯算法
    2.3 常見的特征選擇選法
        2.3.1 特征選擇
        2.3.2 PCA算法
        2.3.3 KCA算法
        2.3.4 遺傳算法
    2.4 本章小結
第三章 基于離群特征模式的股市波動預測
    3.1 引言
    3.2 支持向量機
        3.2.1 基礎理論介紹
        3.2.2 支持向量機算法介紹
    3.3 離群特征模式
        3.3.1 股市技術指標
        3.3.2 離群特征模式定義
        3.3.3 離群特征模式提取
    3.4 融合離群特征模式的支持向量機
        3.4.1 馬爾科夫毯特征選擇
        3.4.2 建立離群特征
        3.4.3 離群特征模式的引入
        3.4.4 算法描述
    3.5 實驗數(shù)據(jù)處理
        3.5.1 試驗數(shù)據(jù)
        3.5.2 用馬爾科夫毯進行特征選擇
        3.5.3 對數(shù)據(jù)預處理
        3.5.4 模型參數(shù)的選擇
        3.5.5 對比實驗算法
        3.5.6 評價標準
    3.6 SOFSVM預測的結果分析
        3.6.1 數(shù)據(jù)集劃分
        3.6.2 SOFSVM預測結果
        3.6.3 對比分析
    3.7 本章小結
第四章 基于特征能量的股市波動預測
    4.1 引言
    4.2 貝葉斯網(wǎng)絡的風險評估
    4.3 滑動窗口
        4.3.1 數(shù)據(jù)流
        4.3.2 窗口技術
    4.4 基于特征能量的支持向量機
        4.4.1 貝葉斯網(wǎng)絡模型的構建
        4.4.2 股市波動能量
        4.4.3 能量窗口
        4.4.4 EOF-SVM算法
    4.5 EOF-SVM算法結果
        4.5.1 實驗數(shù)據(jù)
        4.5.2 用馬爾科夫毯進行特征選擇
        4.5.3 貝葉斯網(wǎng)絡的構建
        4.5.4 EOF-SVM算法結果
        4.5.5 預測對比分析
    4.6 本章小結
第五章 總結與展望
    5.1 本文的主要工作
    5.2 下一步工作
參考文獻
攻讀碩士學位期間的學術活動及成果情況



本文編號：3843854