本文關(guān)鍵詞：有效證券市場(chǎng)的理性泡沫與股票內(nèi)在價(jià)值的信息濾波，由筆耕文化傳播整理發(fā)布。

數(shù)據(jù)挖掘技術(shù)在股市定價(jià)分析中的應(yīng)用研究；市的情況相符；礙捂娶囂贏輸入樣本數(shù)；圖４．２３瀘州老窖；輸入樣本數(shù)；圖４．２４深發(fā)展Ａ；礙相娶蘼祭；輸入樣率數(shù)；圖４．２５大商股份；工程碩士學(xué)位論文；圖４．２６云南白藥；圖４．２７１２支股票組合收益率預(yù)測(cè)結(jié)果；如圖４．２７所示，組合收益率基本維持在３％左右，；全部１２支股票為：大商股份、瀘州老窖、深發(fā)展Ａ、；本章是本文

數(shù)據(jù)挖掘技術(shù)在股市定價(jià)分析中的應(yīng)用研究

市的情況相符。鑒于個(gè)股收益率情況非常不穩(wěn)定，下一步進(jìn)行組合的收益率預(yù)測(cè)。

礙捂娶囂贏輸入樣本數(shù)

圖４．２３瀘州老窖

鑄

褶

塾

累

甍

輸入樣本數(shù)

圖４．２４深發(fā)展Ａ

礙相娶蘼祭

輸入樣率數(shù)

圖４．２５大商股份

工程碩士學(xué)位論文

圖４．２６云南白藥

圖４．２７１２支股票組合收益率預(yù)測(cè)結(jié)果

如圖４．２７所示，組合收益率基本維持在３％左右，在持有２０個(gè)月時(shí)為最低３．２％，４０個(gè)月時(shí)達(dá)到最高３．７％；同時(shí)組合預(yù)測(cè)效果較佳，收益率底部和峰值均能較好擬合真實(shí)值。對(duì)比４．２３．４．２６和４．２７，可以看出組合收益率要明顯好于個(gè)股收益率情況，說(shuō)明在中國(guó)股市不穩(wěn)定或者持續(xù)低迷時(shí)期，應(yīng)選擇組合策略以規(guī)避風(fēng)險(xiǎn)，第３類(lèi)組合是較合適的選擇。

全部１２支股票為：大商股份、瀘州老窖、深發(fā)展Ａ、云南白藥、招商地產(chǎn)、山西汾酒、王府井、青島海爾、沱牌舍得、愛(ài)建股份、豐華股份、彩虹股份。４．５小結(jié)

本章是本文的重點(diǎn)，其主要分為四部分內(nèi)容：一是對(duì)聚類(lèi)算法和Ｄａｕｂｅｃｈｉｅｓ小波閾值的改進(jìn)；二是闡述ＢＰ神經(jīng)網(wǎng)絡(luò)和選取激活函數(shù)；三是對(duì)基于改進(jìn)聚類(lèi)算法和ＢＰ神經(jīng)網(wǎng)絡(luò)的多因素股市定價(jià)模型進(jìn)行實(shí)驗(yàn)預(yù)測(cè)，預(yù)測(cè)之前用改進(jìn)閾值的小波去噪并進(jìn)行歸一化預(yù)處理；最后，結(jié)合個(gè)股基本面，將這一模型用于投資個(gè)股和投資組合的篩選，并進(jìn)行收益率預(yù)測(cè)。本章針對(duì)多尺度Ｆ—Ｆ模型仍存在的三個(gè)缺點(diǎn)，實(shí)現(xiàn)了對(duì)多尺度Ｆ．Ｆ模型的逐一改進(jìn)。６ｌ

數(shù)據(jù)挖掘技術(shù)在股市定價(jià)分析中的應(yīng)用研究

結(jié)論

金融作為維系國(guó)家經(jīng)濟(jì)運(yùn)行的紐帶和聯(lián)系各國(guó)經(jīng)濟(jì)的橋梁，在國(guó)家經(jīng)濟(jì)發(fā)展中占有舉足輕重的地位。金融市場(chǎng)已經(jīng)進(jìn)入全球化、電子化和虛擬化的時(shí)代，在信息化和數(shù)量化的大背景下，金融市場(chǎng)得到了飛速發(fā)展，金融業(yè)每天產(chǎn)生的數(shù)據(jù)正在以驚人的速度增長(zhǎng)，但是數(shù)據(jù)爆炸而知識(shí)貧乏的現(xiàn)象普遍存在，一數(shù)據(jù)挖掘技術(shù)逐漸扮演了發(fā)現(xiàn)知識(shí)和推動(dòng)知識(shí)創(chuàng)新的重要角色。金融數(shù)據(jù)挖掘作為現(xiàn)代化信息技術(shù)，其創(chuàng)新性和先進(jìn)性無(wú)可替代，金融市場(chǎng)對(duì)于自主開(kāi)發(fā)的先進(jìn)現(xiàn)代金融數(shù)據(jù)挖掘技術(shù)和方法非常的渴求。

本文結(jié)合軟件工程和金融、統(tǒng)計(jì)、財(cái)務(wù)知識(shí)，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于股市定價(jià)模型的改進(jìn)研究中。首先使用小波轉(zhuǎn)換技術(shù)，從時(shí)間尺度上擴(kuò)展了傳統(tǒng)的Ｆ－Ｆ模型，構(gòu)建了多尺度的Ｆ．Ｆ模型。其次針對(duì)多尺度Ｆ．Ｆ模型在Ｂ／Ｈ組的調(diào)整后協(xié)方差仍不顯著的弊端，進(jìn)一步研究了聚類(lèi)算法和神經(jīng)網(wǎng)絡(luò)方法，提出層次分割聚類(lèi)算法用于對(duì)股市定價(jià)影響因子的聚類(lèi)分析，構(gòu)造了基于改進(jìn)聚類(lèi)算法和ＢＰ神經(jīng)網(wǎng)絡(luò)的多因素模型，并預(yù)測(cè)檢驗(yàn)。最后將基于改進(jìn)聚類(lèi)算法和ＢＰ神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型用于樣本股票的分類(lèi)和選股，篩選出１２支股票構(gòu)成的投資組合，并分別對(duì)個(gè)股和組合收益率進(jìn)行預(yù)測(cè)檢驗(yàn)。

本文主要完成的工作和特色如下：

（１）使用Ｄａｕｂｅｅｈｉｅｓ小波作為一個(gè)相對(duì)較新的和強(qiáng)大的分析工具，對(duì)單一尺度的Ｆ．Ｆ模型進(jìn)行多尺度分解，構(gòu)造了多尺度Ｆ。Ｆ模型，解決了傳統(tǒng)模型無(wú)法用于長(zhǎng)期投資分析的弊端，為金融市場(chǎng)的投資者在資產(chǎn)定價(jià)領(lǐng)域進(jìn)行多尺度分析提供了新方法。

．．（２）對(duì)聚類(lèi)算法進(jìn)行了改進(jìn)，結(jié)合ＢＩＲＣＨ算法和ＣＬＡＲＡ算法，提出層次分割聚類(lèi)算法，用于對(duì)股市定價(jià)樣本指標(biāo)的聚類(lèi)挖掘，最終分析得出四個(gè)影響組合收益率的因子：系統(tǒng)協(xié)偏度、系統(tǒng)協(xié)峰度、市場(chǎng)超額收益率和每元現(xiàn)金流凈額。通過(guò)與傳統(tǒng)三因子的比較檢驗(yàn)，這四個(gè)因子更適合中國(guó)股市定價(jià)研究。同時(shí)，其解決了Ｆ．Ｆ模型在Ｂ／Ｈ組解釋效力不足，，即調(diào)整后協(xié)方差不顯著的問(wèn)題。

（３）將改進(jìn)閾值的小波函數(shù)用于對(duì)數(shù)據(jù)的小波去噪處理，結(jié)果表明其去噪效果好于軟閾值（硬閾值）函數(shù)，對(duì)于正常數(shù)據(jù)中的隱藏“噪音”有一定的去噪功能。

（４）將基于改進(jìn)聚類(lèi)算法和ＢＰ神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型用于樣本股票的分類(lèi)和選股，并進(jìn)行預(yù)測(cè)，其預(yù)測(cè)值和真實(shí)值擬合效果較好。這一方法無(wú)需像傳統(tǒng)Ｆ—Ｆ模型一樣人為計(jì)算復(fù)雜的因子和判斷公司規(guī)模和賬面價(jià)值比的高低，降低了預(yù)測(cè)的復(fù)雜度、縮短了分析股票收益率的時(shí)間。一

工程碩士學(xué)位論文

存在的問(wèn)題和今后的研究展望：

（１）本文進(jìn)行預(yù)處理時(shí)使用的小波去噪方法是建立在對(duì)閾值的改進(jìn)基礎(chǔ)上，實(shí)際上小波去噪的方法還有很多，比如曲波去噪、小波系數(shù)模型去噪、多小波去噪等，同時(shí)對(duì)于小波基函數(shù)的選取也可以進(jìn)一步作出改進(jìn)和優(yōu)化；

（２）本文聚類(lèi)方法的改進(jìn)主要是結(jié)合層次聚類(lèi)和劃分聚類(lèi)思想，其性能還可以進(jìn)一步優(yōu)化，這就需要對(duì)算法進(jìn)行更深入地學(xué)習(xí)研究，這也將是下一階段的學(xué)習(xí)重點(diǎn)；

（３）本文使用的神經(jīng)網(wǎng)絡(luò)方法為ＢＰ算法，但其實(shí)應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)方法還有Ｈｏｐｆｉｅｌｄ和ＳＰＦＭ網(wǎng)絡(luò)等，下一步可以用不同的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行預(yù)測(cè)研究和檢驗(yàn)，并加以改進(jìn)，從而選擇更好的神經(jīng)網(wǎng)絡(luò)方法用于股票預(yù)測(cè)。特別是針對(duì)個(gè)股日收益率的預(yù)測(cè)模型存在較大改進(jìn)空間。６３

數(shù)據(jù)挖掘技術(shù)在股市定價(jià)分析中的應(yīng)用研究

參考文獻(xiàn)

【１】鄒輝文．有效證券市場(chǎng)的理性泡沫與股票內(nèi)在價(jià)值的信息濾波．系統(tǒng)工程理論

與實(shí)踐，２００６，２６（４）：３２—３４

［２】陳夢(mèng)根，毛小元．股價(jià)信息含量與市場(chǎng)交易活躍程度．金融研究，２００７，３６（３）：

１２５．１２８

［３】曹?chē)?guó)華，何燕．中國(guó)房地產(chǎn)上市公司股票收益率波動(dòng)實(shí)證研究．重慶大學(xué)學(xué)報(bào)

（社會(huì)科學(xué)版），２０１１，１７（６）：３９－４１

［４］魯訓(xùn)法，黎建強(qiáng)．中國(guó)股市指數(shù)與投資者情緒指數(shù)的相互關(guān)系．系統(tǒng)工程理論與

實(shí)踐，２０１２，３２（３）：６２１－６２５

［５］王宜峰，王燕鳴，張顏江等．條件ＣＡＰＭ與橫截面定價(jià)檢驗(yàn)：基于中國(guó)股市的經(jīng)

驗(yàn)分析．管理工程學(xué)報(bào)，２０１２，２６（４）：１３７－１４５

［６】汪廷華．基于股票時(shí)間序列數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘研究：［南昌大學(xué)碩士學(xué)位論

文］．南昌：南昌大學(xué)，２００６，１．２５

【７】李體委．Ｆａｍａ．Ｆｒｅｎｃｈ三因子模型的改進(jìn)和對(duì)中國(guó)股市收益率的檢驗(yàn)：［山東大

學(xué)碩士學(xué)位論文］．山東：山東大學(xué)，２０１１，２．９８

ＡａｓｉｆＳｈａｈ．Ｗａｖｅｌｅｔ—ＢａｓｅｄＢｅｔａＥｓｔｉｍａｔｉｏｎ：ＡｐｐｌｉｃａｔｉｏｎｓｔｏＩｎｄｉａｎＳｔｏｃｋＭａｒｋｅｔ：［ｄｉｓｓｅｒｔａｔｉｏｎ］．Ｉｎｄｉａ：ＰｏｎｄｉｃｈｅｒｒｙＵｎｉｖｅｒｓｉｔｙ，２０１２，３—１３

【９】ＣｈｒｉｓｔｉａｎＭ．Ｈａｆｎｅｒ．Ｃｒｏｓｓ—ｃｏｒｒｅｌａｔｉｎｇｗａｖｅｌｅｔｃｏｅｆｆｉｃｉｅｎｔｓｗｉｔｈａｐｐｌｉｃａｔｉｏｎｓｔｏ

ｈｉｇｈ—ｆｒｅｑｕｅｎｃｙｆｉｎａｎｃｉａｌｔｉｍｅｓｅｒｉｅｓ．Ｊｏｕｒｎａｌｏｆａｐｐｌｉｅｄｓｔａｔｉｓｔｉｃｓ，２０１２，３９（５）：１３６３．１３７９

【１０】趙硯，張洪霞．上市公司股權(quán)融資成本的實(shí)證分析一一來(lái)自滬深Ａ股上市公司

數(shù)據(jù)．會(huì)計(jì)之友，２０１１，４（１０）：１０２—１０４

［ＩＩ】Ｊｏｓ６ＬｕｉｓＭｉｒａｌｌｅｓＭａｒｃｅｌｏ，ＭａｒｉａｄｅｌＭａｒＭｉｒａｌｌｅｓＱｕｉｒ６ｓ．Ｔｈｅｒｏｌｅｏｆａｎ

ｉｌｌｉｑｕｉｄｉｔｙｒｉｓｋｆａｃｔｏｒｉｎａｓｓｅｔｐｒｉｃｉｎｇ：ＥｍｐｉｒｉｃａｌｅｖｉｄｅｎｃｅｆｒｏｍｔｈｅＳｐａｎｉｓｈｓｔｏｃｋｍａｒｋｅｔ．ＱｕａｒｔｅｒｌｙＲｅｖｉｅｗｏｆＥｃｏｎｏｍｉｃｓａｎｄＦｉｎａｎｃｅ，２００６，４６：２５４—２６７

【１２］張彥來(lái)．?dāng)?shù)據(jù)挖掘在股票投資中的應(yīng)用：［首都經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文］．

北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，２０１０，３．１６

［１３】ＰａｂｌｏＲｏｇｅｒｓ，Ｊｏｓ６ＲｏｂｅｒｔｏＳｅｃｕｒａｔｏ．ＣｏｍｐａｒａｔｉｖｅＳｔｕｄｙｏｎｔｈｅＢｒａｚｉｌｉａｎ

ＭａｒｋｅｔｏｆｔｈｅＣａｐｉｔａｌＡｓｓｅｔＰｒｉｃｉｎｇＭｏｄｅｌ（ＣＡＰＭ），ＦａｍａａｎｄＦｒｅｎｃｈ３一ｆａｃｔｏｒｓＭｏｄｅｌａｎｄＲｅｗａｒｄＢｅｔａＡｐｐｒｏａｃｈ．ＲＡＣ—Ｅｌｅｔｒ６ｎｉｃａ，２００９，３（１）：２３—３４

ＰｈｉｌｉｐＧｈａｒｇｈｏｒｉ，ＲｏｎａｌｄＬｅｅ，ＭａｄｈｕＶｅｅｒａｒａｇｈａｖａｎｅｔａ１．Ａｎｏｍａｌｉｅｓａｎｄｓｔｏｃｋｒｅｔｕｒｎｓ：Ａｕｓｔｒａｌｉａｎｅｖｉｄｅｎｃｅ．Ａｃｃｏｕｎｔｉｎｇａｎｄｆｉｎａｎｃｅ，２００９，４９（３）：２２—３１【１５］季江雨．中國(guó)股市慣性策略的橫截面分析：［上海財(cái)經(jīng)大學(xué)碩士學(xué)位論文］．上

最新搜索

基于數(shù)據(jù)挖掘技術(shù)的股市定價(jià)模型_圖文

現(xiàn)代化電教手段運(yùn)用于幼兒園美術(shù)教學(xué)的研究

三億文庫(kù)

某項(xiàng)存在棄置義務(wù)的固定資產(chǎn),預(yù)計(jì)使用50年,已經(jīng)使用了10年

農(nóng)村人小說(shuō)網(wǎng)

陳曼習(xí)作

《k》中主角是什么王

在探究學(xué)習(xí)中培養(yǎng)學(xué)生的科學(xué)思維能力14

C16070-100分-市場(chǎng)風(fēng)險(xiǎn)管理的工具:場(chǎng)外衍生品測(cè)試答

職稱(chēng)答辯自我介紹

  本文關(guān)鍵詞：有效證券市場(chǎng)的理性泡沫與股票內(nèi)在價(jià)值的信息濾波，由筆耕文化傳播整理發(fā)布。