股票價(jià)格時(shí)間序列是股票市場(chǎng)的綜合外在表現(xiàn)形式,正在不斷地引起人們的注意,進(jìn)入人們的生活。對(duì)于股票價(jià)格時(shí)間序列預(yù)測(cè)研究的必要性已經(jīng)成為實(shí)務(wù)界和學(xué)術(shù)界的普遍共識(shí)。 然而,由于股票價(jià)格時(shí)間序列本身的復(fù)雜性、多樣性和善變性,影響其變化的因素眾多,有些因素是可以度量的,而有些因素卻難以量化,很難科學(xué)的計(jì)算和評(píng)價(jià),因而研究難度較大。當(dāng)前,隱馬爾可夫模型(HMM)的廣泛應(yīng)用以及計(jì)算智能(CI)技術(shù)的不斷發(fā)展,為股票價(jià)格時(shí)間序列預(yù)測(cè)研究開(kāi)闊了新的思路,提供了新的理論和技術(shù)支持。 本文以隱馬爾可夫模型(HMM)為基礎(chǔ),結(jié)合幾種計(jì)算智能(CI)方法:人工神經(jīng)網(wǎng)絡(luò)(ANN),模糊邏輯(FL),和進(jìn)化算法(EA),開(kāi)展針對(duì)股票價(jià)格時(shí)間序列預(yù)測(cè)問(wèn)題的系統(tǒng)研究,建立了比較完整的混合算法預(yù)測(cè)模型,以期更進(jìn)一步地豐富和完善股票價(jià)格時(shí)間序列預(yù)測(cè)研究的成果。本文以逐層遞進(jìn)的結(jié)構(gòu),逐步完善所提出的預(yù)測(cè)模型。 首先,提出了一種基于HMM的無(wú)監(jiān)督聚類方法。該聚類方法是運(yùn)用HMM在數(shù)據(jù)集中識(shí)別相似的數(shù)據(jù)模式,對(duì)于給定的數(shù)據(jù)集,HMM被用來(lái)確定分類的數(shù)目,并計(jì)算每個(gè)數(shù)據(jù)模式的對(duì)數(shù)似然值,之后根據(jù)對(duì)數(shù)似然值的大小將其對(duì)應(yīng)的數(shù)據(jù)模式分...

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

圖2-7模糊集的隸屬函數(shù)Fig.2-7Thefuzzymembershipfunction（2）建立模糊規(guī)則FL可以很好的處理非線性，因?yàn)槟：?guī)則可以映年齡

圖2-8模糊推理Fig.2-8Thefuzzyinference聚合輸出

圖3-3數(shù)據(jù)向量形成的連續(xù)模式

圖3-5Ringnorm箱子頻率

本文編號(hào)：3886578