本文關(guān)鍵詞：基于支持向量機的新三板金融時間序列模型及其應(yīng)用

  更多相關(guān)文章： 支持向量機 三板做市指數(shù) 預測 技術(shù)指標 反轉(zhuǎn)點

【摘要】：隨著我國多層次資本市場建設(shè)的不斷推進,股票市場日益成為我國經(jīng)濟發(fā)展的一個重要助推,它承載了企業(yè)的股類融資需求以及人們投資交易的需求。2014年以來的瘋狂牛市行情以及2015年后半年隨之而來的A股市場的劇烈震蕩,讓人們不得不重新審視中國股市及整個資本市場。與此同時,蓬勃發(fā)展起來的號稱“中國版納斯達克”的新三板市場,逐漸成為我國多層次資本市場建設(shè)的重要基礎(chǔ)組成部分。其相對特殊的地位、投資者準入門檻以及交易模式,決定了其目前是面向機構(gòu)投資者的市場,市場行情數(shù)據(jù)特點也與滬深主板市場有所差異。而又因其發(fā)展時間較短,其行情指數(shù)推出也才近一年時間。對于這個市場各方面的研究,也并不是完全到位。在原理層面基于統(tǒng)計學習的理論以及結(jié)構(gòu)風險最小化原則的支持向量機方法,是一種較為使用有效的智能預測方法,在解決具有小樣本、非線性、貧信息等特征的數(shù)據(jù)挖掘問題時,有著較為獨到的優(yōu)勢。它的兩種主要的應(yīng)用形式——分類機和回歸機已經(jīng)在金融市場地應(yīng)用中,成為了一個有力的研究工具,也為研究新三板提供了一個思路。本文實證研究就是基于支持向量機方法展開,主要研究對象是新三板市場的主要指數(shù)之一——三板做市指數(shù)。主要從兩個方面著手。一個方面的實證研究是選取與三板做市指數(shù)次日開盤價序列相關(guān)程度較高的指標,根據(jù)數(shù)據(jù)特征選取適當?shù)暮撕瘮?shù),用適當?shù)姆椒ㄟM行參數(shù)尋優(yōu),訓練v-ε-SVC模型,用以對三板做市指數(shù)次日開盤價序列進行行情預測。另一方面是選取具有代表性的幾個技術(shù)指標,設(shè)定滑動窗口,挖掘技術(shù)指標識別的短期行情趨勢反轉(zhuǎn)點,并使用平滑處理后的日收盤價數(shù)據(jù)序列定義真實反轉(zhuǎn)點。然后將所有的“疑似反轉(zhuǎn)點”標記收集起來,劃分訓練集和測試集,選取核函數(shù),進行參數(shù)尋優(yōu),訓練C-SVC模型,對測試集中的反轉(zhuǎn)點進行預測,為投資者判斷短期行情變化提供參考。本文通過使用不同形式的SVM模型進行的三板做市指數(shù)實證研究,達到了比較理想的效果,對于參與新三板做市交易乃至后續(xù)對于該市場的研究,有一定的借鑒價值。
【關(guān)鍵詞】：支持向量機 三板做市指數(shù) 預測 技術(shù)指標 反轉(zhuǎn)點
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F832.51;F224
【目錄】：

• 中文摘要8-10
• 英文摘要10-12
• 第一章 緒論12-17
• §1.1 研究背景和意義12-13
• §1.2 相關(guān)研究綜述13-14
• §1.3 新三板市場簡介14-15
• §1.4 研究內(nèi)容與篇章結(jié)構(gòu)15-17
• §1.4.1 主要研究內(nèi)容15-16
• §1.4.2 文章結(jié)構(gòu)簡述16-17
• 第二章 統(tǒng)計學習和支持向量機理論概述17-30
• §2.1 統(tǒng)計學習概述17-20
• §2.2 支持向量機理論20-26
• §2.2.1 支持向量分類機21-24
• §2.2.2 支持向量回歸機24-26
• §2.3 支持向量機優(yōu)化簡介26-30
• §2.3.1 核函數(shù)選取26-27
• §2.3.2 優(yōu)化算法27-30
• 第三章 基于支持向量回歸機的三板做市指數(shù)序列預測30-40
• §3.1 解讀數(shù)據(jù)及指標30-31
• §3.2 所用模型實現(xiàn)工具簡介31-32
• §3.3 模型建立32-36
• §3.4 結(jié)果分析36-40
• 第四章 基于支持向量分類機的三板做市指數(shù)短期行情反轉(zhuǎn)點預測40-49
• §4.1 思路和數(shù)據(jù)指標簡介40-44
• §4.1.1 思路介紹40-41
• §4.1.2 數(shù)據(jù)指標簡介41-44
• §4.2 真實反轉(zhuǎn)點的定義及數(shù)據(jù)預處理44-46
• §4.3 模型建立與分析46-49
• 第五章 研究總結(jié)與展望49-51
• §5.1 應(yīng)用研究總結(jié)49
• §5.2 所做工作的局限與展望49-51
• 參考文獻51-54
• 致謝54-55
• 學位論文評閱及答辯情況表55

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 賈凝;;支持向量機模型在統(tǒng)計學上的應(yīng)用研究[J];統(tǒng)計與決策;2010年13期

2 呂向陽;高尚;;基于支持向量機的品牌特色專業(yè)評價[J];價值工程;2011年24期

3 黃勝忠;;遺傳支持向量機在股市趨向的預測[J];計算機與數(shù)字工程;2012年01期

4 胡奎;朱成文;;基于支持向量機的雷達信號分類[J];統(tǒng)計與決策;2008年23期

5 許建萍;;基于支持向量機的工程索賠合理工效研究[J];科技創(chuàng)新導報;2009年07期

6 張明;劉念祖;;電子商務(wù)信用管理的支持向量機應(yīng)用[J];中國管理信息化(綜合版);2007年09期

7 高尚;梅亮;;基于支持向量機的電價組合預測模型[J];電力自動化設(shè)備;2008年11期

8 王毅;;支持向量機技術(shù)及其應(yīng)用研究[J];中國高新技術(shù)企業(yè);2008年15期

9 呂月英;;基于支持向量機工程施工風險預警研究[J];科技創(chuàng)新導報;2009年07期

10 芮麗梅;;改進支持向量機的商業(yè)銀行評級算法[J];企業(yè)導報;2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風險評估模型[A];第六屆（2011）中國管理學年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學習方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預測膜蛋白類型[A];第十一次中國生物物理學術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學與技術(shù)應(yīng)用學術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：558516