本文關(guān)鍵詞：基于回聲狀態(tài)網(wǎng)絡(luò)的短期股價(jià)預(yù)測模型研究

  更多相關(guān)文章： 短期股價(jià)預(yù)測 ESN KMeans GSA

【摘要】：股票在國民經(jīng)濟(jì)中扮演著重要角色。對(duì)國民經(jīng)濟(jì)而言,如何保持股市穩(wěn)定、避免發(fā)生股災(zāi)是我國相關(guān)人員需要考慮的問題。對(duì)投資者而言,如何規(guī)避風(fēng)險(xiǎn),使獲利最大化是投資者日夜思考的問題。因此,對(duì)股票價(jià)格進(jìn)行預(yù)測從而做出最優(yōu)決定就顯得十分必要。我國的股票市場是一個(gè)非常復(fù)雜的非線性系統(tǒng),許多研究人員采用神經(jīng)網(wǎng)絡(luò)的非線性方法進(jìn)行股票價(jià)格預(yù)測并取得了不錯(cuò)的效果。但是使用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)預(yù)測時(shí)存在訓(xùn)練過程復(fù)雜等問題。此外,股票價(jià)格受多種因素影響,使得股價(jià)表現(xiàn)出不同走勢,導(dǎo)致單一模型很難滿足預(yù)測要求。同時(shí),大多股價(jià)預(yù)測模型缺乏地區(qū)行業(yè)通用性,即每次對(duì)一只股票進(jìn)行預(yù)測必須為該股票建立單獨(dú)的模型,且該單獨(dú)模型只包含該只股票的信息,并沒有包含與該只股票處于同一地區(qū)同一行業(yè)的其余股票信息,這使得單獨(dú)模型不能涵蓋影響該只股票價(jià)格的所有因素,導(dǎo)致預(yù)測精度不高,預(yù)測過程繁瑣復(fù)雜。針對(duì)我國目前大多股價(jià)預(yù)測模型缺乏地區(qū)行業(yè)通用性及神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程復(fù)雜的問題,本文使用ESN建立基于上海地區(qū)房地產(chǎn)行業(yè)的短期股價(jià)預(yù)測通用模型,簡化了訓(xùn)練過程,模型訓(xùn)練好后可預(yù)測上海地區(qū)房地產(chǎn)行業(yè)內(nèi)任意股票,且與用某只股票建立的單獨(dú)模型相比,該通用模型的預(yù)測精度明顯提高。針對(duì)短期股票價(jià)格預(yù)測方法中使用單一非線性模型預(yù)測效果不理想,本文在通用模型基礎(chǔ)上提出基于KMeans-ESN的短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型。通過選取不同的聚類指標(biāo),本文詳細(xì)提出了基于數(shù)據(jù)波動(dòng)性聚類的KMeans-ESN短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型和基于數(shù)據(jù)波動(dòng)性及變化趨勢聚類的KMeans-ESN短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型,并將三類模型進(jìn)行了對(duì)比。通過聚類和對(duì)比實(shí)驗(yàn)得出ESN、基于數(shù)據(jù)波動(dòng)性聚類的KMeans-ESN、基于數(shù)據(jù)波動(dòng)性及變化趨勢聚類的KMeans-ESN這三種模型分別適合的數(shù)據(jù)類型。同時(shí),由于回聲狀態(tài)網(wǎng)絡(luò)很多初始參數(shù)需要預(yù)先設(shè)定,而這些參數(shù)設(shè)置需有一定經(jīng)驗(yàn)的研究人員或通過試湊確定,針對(duì)這兩種方法需要人工干預(yù)、耗時(shí)、效率低等存在的不足,本文使用GSA對(duì)ESN模型進(jìn)行優(yōu)化,使用GSA從單值收縮因子和譜半徑優(yōu)化、多值收縮因子和譜半徑優(yōu)化兩個(gè)角度對(duì)ESN參數(shù)進(jìn)行尋優(yōu),并探討每個(gè)角度下GSA適應(yīng)值函數(shù)的選取。結(jié)果表明,GSA對(duì)單值收縮因子和譜半徑優(yōu)化的優(yōu)化效果比GSA對(duì)按維多值收縮因子和譜半徑優(yōu)化的優(yōu)化效果好；使用10折交叉驗(yàn)證訓(xùn)練誤差均值與測試誤差均值的均值作為GSA的適應(yīng)值函數(shù)最佳。
【關(guān)鍵詞】：短期股價(jià)預(yù)測 ESN KMeans GSA
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F832.51;TP18
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-16
• 1.1 研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 股價(jià)預(yù)測國外研究現(xiàn)狀12-13
• 1.2.2 股價(jià)預(yù)測國內(nèi)研究現(xiàn)狀13-14
• 1.3 本論文研究內(nèi)容及章節(jié)安排14-16
• 1.3.1 本論文研究內(nèi)容14-15
• 1.3.2 本論文章節(jié)安排15-16
• 第2章 股價(jià)預(yù)測相關(guān)理論與方法16-24
• 2.1 股票價(jià)格的影響因素16
• 2.1.1 主觀因素16
• 2.1.2 客觀因素16
• 2.2 股價(jià)預(yù)測的相關(guān)指標(biāo)16-17
• 2.3 股價(jià)預(yù)測常用的基本方法17-19
• 2.3.1 基本分析法17
• 2.3.2 技術(shù)分析法17-18
• 2.3.3 時(shí)間序列分析法18
• 2.3.4 人工智能算法18-19
• 2.4 回聲狀態(tài)網(wǎng)絡(luò)介紹19-23
• 2.4.1 ESN原理19-20
• 2.4.2 ESN關(guān)鍵參數(shù)20-21
• 2.4.3 ESN預(yù)測算法的流程21-23
• 2.5 本章小結(jié)23-24
• 第3章 基于KMeans-ESN的短期股價(jià)預(yù)測通用模型24-45
• 3.1 引言24-25
• 3.2 基于 ESN的短期股價(jià)預(yù)測通用模型25-31
• 3.2.1 本文假設(shè)條件25
• 3.2.2 基于ESN上海房地產(chǎn)行業(yè)通用模型建立25-27
• 3.2.3 實(shí)驗(yàn)結(jié)果及分析27-31
• 3.3 基于KMeans-ESN的預(yù)測模型介紹31-33
• 3.3.1 KMeans簡介31-32
• 3.3.2 模型基本思想32
• 3.3.3 聚類指標(biāo)及KMeans相關(guān)參數(shù)32-33
• 3.4 基于波動(dòng)性聚類的KMeans-ESN預(yù)測模型33-37
• 3.4.1 聚類指標(biāo)選取33
• 3.4.2 實(shí)驗(yàn)結(jié)果及分析33-37
• 3.5 基于波動(dòng)性及變化趨勢聚類的KMeans-ESN預(yù)測模型37-43
• 3.5.1 聚類指標(biāo)選取37-38
• 3.5.2 實(shí)驗(yàn)結(jié)果及分析38-43
• 3.6 實(shí)驗(yàn)結(jié)果及分析43-44
• 3.7 本章小結(jié)44-45
• 第4章 基于GSA的ESN模型優(yōu)化45-63
• 4.1 引言45
• 4.2 GSA-ESN模型45-51
• 4.2.1 GSA介紹45-49
• 4.2.2 GSA-ESN模型原理及適應(yīng)值函數(shù)介紹49-51
• 4.3 基于GSA的單值收縮因子和譜半徑優(yōu)化51-56
• 4.3.1 單值收縮因子和譜半徑優(yōu)化51
• 4.3.2 實(shí)驗(yàn)結(jié)果及分析51-56
• 4.4 基于GSA的按維多值收縮因子和譜半徑優(yōu)化56-61
• 4.4.1 按維多值收縮因子和譜半徑優(yōu)化56
• 4.4.2 實(shí)驗(yàn)結(jié)果及分析56-61
• 4.5 實(shí)驗(yàn)結(jié)果及分析61-62
• 4.6 本章小結(jié)62-63
• 結(jié)論與展望63-65
• 結(jié)論63-64
• 進(jìn)一步工作64-65
• 致謝65-66
• 參考文獻(xiàn)66-70
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果70

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 陳永康,劉濤,練秋慧;中國首個(gè)統(tǒng)一股價(jià)指數(shù)—滬深300指數(shù)[J];華南金融電腦;2005年09期

2 馮家誠;馬銳;;基于神經(jīng)網(wǎng)絡(luò)型數(shù)據(jù)挖掘技術(shù)的股價(jià)預(yù)測[J];計(jì)算機(jī)應(yīng)用;2009年S1期

3 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 鄒艷芬;;股價(jià)指數(shù)的綜合影響因素動(dòng)態(tài)模型分析[A];江蘇省現(xiàn)場統(tǒng)計(jì)研究會(huì)第九次學(xué)術(shù)年會(huì)論文集[C];2004年

2 侯建榮;黃丹;顧鋒;;基于分形時(shí)變維數(shù)變化的股價(jià)突變動(dòng)力學(xué)特征研究[A];第十屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2008年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 深圳證券交易所綜合研究所 肖立見　王曉津;2008年全球股市暴跌的六大特征[N];證券時(shí)報(bào);2009年

2 文興;成功炒股之九技[N];證券時(shí)報(bào);2011年

3 田舍;美國股價(jià)跌向五年來低點(diǎn)[N];國際商報(bào);2003年

4 田舍;就業(yè)攀升美歐股市上揚(yáng)[N];國際商報(bào);2003年

5 記者　　陳曉剛　;亞太股市勁舞“五·一九”[N];中國證券報(bào);2005年

6 記者 齊士揚(yáng);美股反彈 金價(jià)走低[N];證券日?qǐng)?bào);2003年

7 曼氏金融（新加坡）私人有限公司高級(jí)副總裁 Andrew Lu;由國際市場看股價(jià)指數(shù)期貨的操作[N];期貨日?qǐng)?bào);2006年

8 金元期貨 馮偉民;數(shù)字背后的投資哲理[N];證券時(shí)報(bào);2007年

9 本報(bào)記者 吳心韜;亞太股市先抑后揚(yáng)[N];中國證券報(bào);2010年

10 ;臺(tái)灣股市暴漲275.25點(diǎn)[N];中華工商時(shí)報(bào);2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 金濤;利率、股價(jià)和匯率關(guān)聯(lián)的實(shí)證研究[D];江西財(cái)經(jīng)大學(xué);2010年

2 連端清;股價(jià)變動(dòng)與上市公司固定資本投資研究[D];復(fù)旦大學(xué);2009年

3 韓士專;噪聲背景下的股市反饋機(jī)制研究[D];華南師范大學(xué);2004年

4 劉　勇;中國股價(jià)行為金融計(jì)量研究[D];東北財(cái)經(jīng)大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 何玲;股價(jià)指數(shù)與股價(jià)背離的實(shí)證分析[D];湖南師范大學(xué);2005年

2 張斌;基于回聲狀態(tài)網(wǎng)絡(luò)的短期股價(jià)預(yù)測模型研究[D];西南交通大學(xué);2016年

3 劉艷奇;銀行股票同步性的測度與影響因素研究[D];西南交通大學(xué);2016年

4 王思惠;股價(jià)“同輩效應(yīng)”與中國上市公司投資決策研究[D];廣西大學(xué);2016年

5 劉新華;中國A股市場股價(jià)指數(shù)動(dòng)態(tài)研究[D];南京農(nóng)業(yè)大學(xué);2009年

6 張穎;中國股價(jià)指數(shù)實(shí)證研究[D];東北財(cái)經(jīng)大學(xué);2003年

7 賴國偉;滬深證交所流通A股股價(jià)指數(shù)的實(shí)證研究[D];廈門大學(xué);2001年

8 李曉露;國際板對(duì)A股股價(jià)的影響研究[D];遼寧大學(xué);2012年

9 陳艷;我國股價(jià)行為理論及實(shí)證分析[D];湖南大學(xué);2005年

10 朱正;中國股價(jià)與房價(jià)動(dòng)態(tài)關(guān)系研究[D];湖南大學(xué);2010年

，

本文編號(hào)：580116