本文關(guān)鍵詞：幾種統(tǒng)計(jì)學(xué)習(xí)方法的研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國金融市場的日趨成熟，投資已經(jīng)成為了比拼判斷精準(zhǔn)度和交易速度的博弈，，投資者對掌握程序化交易和量化投資提出了迫切要求，大量的金融市場數(shù)據(jù)亟待挖掘,統(tǒng)計(jì)學(xué)習(xí)方法為我們提供了充足的模型和有效的數(shù)據(jù)處理手段，可以從繁雜的數(shù)據(jù)中發(fā)現(xiàn)客觀規(guī)律，為投資者提供投資參考，因此研究統(tǒng)計(jì)學(xué)習(xí)方法在金融領(lǐng)域的應(yīng)用具有重大意義。 本文首先研究了股票走勢曲線的量化模式問題，給出了波段結(jié)構(gòu)、成交量比值和指標(biāo)曲線交叉模式的定義，提出了“形態(tài)-量-指標(biāo)”的三維量化模式，并通過MATLAB編程，實(shí)現(xiàn)了對華夏銀行（600015）股票日線數(shù)據(jù)的量化，將波段形態(tài)數(shù)據(jù)化，得到了華夏銀行的日線結(jié)構(gòu)數(shù)據(jù)集。 本文采用了二項(xiàng)邏輯回歸、樸素貝葉斯方法和分類與回歸樹三種統(tǒng)計(jì)學(xué)習(xí)方法，研究分析了華夏銀行的日線結(jié)構(gòu)數(shù)據(jù)。應(yīng)用SPSS軟件對數(shù)據(jù)集合進(jìn)行了二項(xiàng)邏輯回歸分析，擬合結(jié)果顯示該方法對于建倉點(diǎn)的選取比較準(zhǔn)確；運(yùn)用MATLAB編程實(shí)現(xiàn)了樸素貝葉斯分類算法，結(jié)果表明該方法規(guī)避風(fēng)險(xiǎn)的效果較好；應(yīng)用數(shù)據(jù)挖掘軟件SPSS Clementine建立了數(shù)據(jù)集合的分類與回歸樹，計(jì)算結(jié)果說明該方法對于選取建倉點(diǎn)、指導(dǎo)持倉操作都具有很好效果。 本文通過測試樣本檢測，比較了三種方法對不同結(jié)構(gòu)形態(tài)的識(shí)別效果，發(fā)現(xiàn)單一方法在實(shí)際形態(tài)的識(shí)別中表現(xiàn)不穩(wěn)定，因此建立了三種方法的組合模型，最后選取等權(quán)重系數(shù)的組合模型進(jìn)行測試，結(jié)果顯示組合模型的預(yù)測效果穩(wěn)定，具有很高的實(shí)際應(yīng)用價(jià)值。 本文應(yīng)用MATLAB GUI制作了初級的股票預(yù)警平臺(tái)，通過與市場數(shù)據(jù)集合相連接，使用者可以獲取數(shù)據(jù)集合內(nèi)股票的當(dāng)日預(yù)警信息，并可以自主更新個(gè)股數(shù)據(jù)和策略集合，股票預(yù)警平臺(tái)使本文的研究結(jié)果得到了很好的展示和應(yīng)用。
【關(guān)鍵詞】：統(tǒng)計(jì)學(xué)習(xí)方法 金融數(shù)據(jù) 量化 結(jié)構(gòu)識(shí)別 MATLAB編程
【學(xué)位授予單位】：中國海洋大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F830;F222.1;TP311.1
【目錄】：

• 摘要5-6
• Abstract6-9
• 0 引言9
• 1 綜述以及文章結(jié)構(gòu)9-13
• 1.1 綜述9-11
• 1.1.1 國外研究綜述9-10
• 1.1.2 國內(nèi)研究綜述10-11
• 1.2 研究的主要內(nèi)容11
• 1.3 本文組織結(jié)構(gòu)11-13
• 2 幾種統(tǒng)計(jì)學(xué)習(xí)方法簡介13-17
• 2.1 邏輯回歸方法簡介13-14
• 2.1.1 邏輯回歸模型13
• 2.1.2 二項(xiàng)邏輯回歸算法過程13-14
• 2.2 樸素貝葉斯方法介紹14-15
• 2.2.1 貝葉斯定理14
• 2.2.2 樸素貝葉斯14
• 2.2.3 樸素貝葉斯分類算法過程14-15
• 2.3 分類與回歸樹方法簡介15-17
• 2.3.1 純度度量指標(biāo)定義15
• 2.3.2 用于劃分的屬性以及屬性值的選取15-16
• 2.3.3 分類與回歸樹模型的構(gòu)建16-17
• 3 股票個(gè)股“形態(tài)-量-指標(biāo)”量化分析模式的構(gòu)建17-23
• 3.1 個(gè)股走勢形態(tài)的量化及定義17-18
• 3.2 成交量的意義及其比值定義18
• 3.3 指標(biāo)交叉模式的意義及其量化18-20
• 3.4 底部結(jié)構(gòu)與頂部結(jié)構(gòu)真假的定義與識(shí)別20-23
• 4 個(gè)股統(tǒng)計(jì)學(xué)習(xí)實(shí)例研究23-39
• 4.1 基本參數(shù)設(shè)置及數(shù)據(jù)量化23-26
• 4.1.1 底部結(jié)構(gòu)參數(shù)設(shè)置及數(shù)據(jù)量化23-24
• 4.1.2 頂部結(jié)構(gòu)參數(shù)設(shè)置及數(shù)據(jù)量化24-26
• 4.2 應(yīng)用二項(xiàng)邏輯回歸模型研究個(gè)股結(jié)構(gòu)數(shù)據(jù)26-28
• 4.2.1 底部結(jié)構(gòu)的二項(xiàng)邏輯回歸分析26-28
• 4.2.2 頂部結(jié)構(gòu)的二項(xiàng)邏輯回歸分析28
• 4.3 應(yīng)用樸素貝葉斯分類研究個(gè)股結(jié)構(gòu)數(shù)據(jù)28-32
• 4.3.1 底部結(jié)構(gòu)的樸素貝葉斯分類研究29-30
• 4.3.2 頂部結(jié)構(gòu)的樸素貝葉斯分類研究30-32
• 4.4 應(yīng)用分類與回歸樹研究個(gè)股結(jié)構(gòu)數(shù)據(jù)32-38
• 4.4.1 底部結(jié)構(gòu)的分類與回歸樹研究32-35
• 4.4.2 頂部結(jié)構(gòu)的分類與回歸樹研究35-38
• 4.5 本章小結(jié)38-39
• 5 幾種統(tǒng)計(jì)學(xué)習(xí)方法的評估以及組合模型的建立39-43
• 5.1 底部結(jié)構(gòu)和頂部結(jié)構(gòu)的測試樣本準(zhǔn)確率評估39-40
• 5.2 識(shí)別個(gè)股結(jié)構(gòu)的組合模型的構(gòu)建40-41
• 5.3 組合模型識(shí)別測試樣本的準(zhǔn)確率評價(jià)41-43
• 6 股票預(yù)警平臺(tái)的設(shè)計(jì)43-45
• 7 本文總結(jié)和未來展望45-47
• 7.1 本文總結(jié)45
• 7.2 未來的研究方向45-46
• 7.3 展望46-47
• 參考文獻(xiàn)47-51
• 附錄51-57
• 致謝57-59
• 個(gè)人簡歷59
• 發(fā)表的學(xué)術(shù)論文59-60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 許沖;徐錫偉;;邏輯回歸模型在玉樹地震滑坡危險(xiǎn)性評價(jià)中的應(yīng)用與檢驗(yàn)[J];工程地質(zhì)學(xué)報(bào);2012年03期

2 李偉;姚笑顏;梁志偉;吳一鳴;施積炎;陳英旭;;基于自組織映射與哈斯圖方法的地表水水質(zhì)評價(jià)研究[J];環(huán)境科學(xué)學(xué)報(bào);2013年03期

3 劉藝梁;殷坤龍;劉斌;;邏輯回歸和人工神經(jīng)網(wǎng)絡(luò)模型在滑坡災(zāi)害空間預(yù)測中的應(yīng)用[J];水文地質(zhì)工程地質(zhì);2010年05期

4 尹少尉;陳靜;那全;劉彩霞;;磁共振檢查在確定胎兒腦室擴(kuò)張疾病診斷中影響因素的Logistic回歸分析[J];中國醫(yī)科大學(xué)學(xué)報(bào);2009年08期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 蔣良孝;樸素貝葉斯分類器及其改進(jìn)算法研究[D];中國地質(zhì)大學(xué);2009年

2 湯凌冰;基于支持向量機(jī)的金融時(shí)間序列回歸分析[D];上海交通大學(xué);2010年

3 鄭含博;電力變壓器狀態(tài)評估及故障診斷方法研究[D];重慶大學(xué);2012年

  本文關(guān)鍵詞：幾種統(tǒng)計(jì)學(xué)習(xí)方法的研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：254008