本文選題：隱馬爾科夫模型 + 時(shí)間序列�。� 參考：《北京外國語大學(xué)》2017年碩士論文

【摘要】：隨著我國證券市場的發(fā)展,已經(jīng)出現(xiàn)大量對股票市場的研究。其中量化交易是通過對股建模,利用股市反饋的實(shí)時(shí)數(shù)據(jù)進(jìn)行自動化得分析交易的一種方法。量化交易的理論認(rèn)為,證券市場是介于無效和弱勢有效之間的,即股價(jià)并不能反映所有的歷史信息�？紤]到股票的交易同時(shí)受到交易者心理等不可直接觀測到的因素所影響,而通過對股票交易數(shù)據(jù)進(jìn)行預(yù)處理,將直觀的交易數(shù)據(jù)轉(zhuǎn)化為反映市場趨勢、市場人氣等一系列指標(biāo),并最終用以交易的最終決策。相對傳統(tǒng)的人工手動交易,量化交易能夠克服情緒波動等弱點(diǎn),并易于長期管理。隱馬爾可夫模型是研究隨機(jī)過程的一種架構(gòu),其對于完全的隨機(jī)過程鋪設(shè)的一定條件的限制,從而使完全無序的隨機(jī)過程變得可以量化。從這個意義上來看,隱馬爾可夫過程模擬的恰好是并非完全無效的股票市場,和量化交易的觀點(diǎn)重合。隱馬爾可夫模型是一個雙重隨機(jī)過程:其核心是隱藏狀態(tài)的轉(zhuǎn)移,但同時(shí)隱藏狀態(tài)不可觀測,只有通觀測值根據(jù)兩者之間的關(guān)系來推測。這在一定意義上反映的股票市場的現(xiàn)狀:可以觀測的是股價(jià)、成交量等信息,而股票的漲跌、起伏等是事實(shí)上是人們根據(jù)歷史信息處理過的產(chǎn)物。因此,隱馬爾可夫模型在模擬股票市場運(yùn)行方面,有一定的實(shí)踐意義。本文以隱馬爾可夫模型為基礎(chǔ),分析了其中各參數(shù)變量確定的實(shí)際意義,并以上證綜指為對象,仿真了量化交易的流程。其中第一章緒論,介紹了交易背景。第二章解釋了隱馬爾可夫模型的理論基礎(chǔ),包括貝葉斯函數(shù)、隱馬爾可夫模型的具體描述以及結(jié)合時(shí)間序列的隱馬爾可夫模型。第三章對模型中參數(shù)的選擇做了相應(yīng)測試并給出了優(yōu)化建議,并將這些參數(shù)和隱馬爾科夫模型相結(jié)合,說明了具體運(yùn)行過程。第四章是論文內(nèi)容總結(jié)及其實(shí)踐意義。
[Abstract]:With the development of China's securities market, there has been a large number of research on the stock market. The quantitative trading is a method to analyze the trading automatically by modeling the stock and using the real-time data of stock market feedback. The theory of quantitative trading holds that the stock market is between invalidity and weakness, that is, the stock price can not reflect all the historical information. Considering that the trading of stocks is influenced by the factors which can not be observed directly, such as the psychology of the traders, and by preprocessing the stock trading data, the intuitionistic trading data can be transformed into a series of indicators, such as reflecting the market trend, market sentiment and so on. And ultimately the final decision to trade. Compared with the traditional manual trading, quantitative trading can overcome the weakness of emotion fluctuation and be easy to manage in the long run. Hidden Markov model (hmm) is a framework for studying stochastic processes, which limits certain conditions laid by complete stochastic processes, thus making completely disordered stochastic processes quantifiable. In this sense, the hidden Markov process simulates the stock market which is not completely ineffective, and coincides with the viewpoint of quantitative trading. The hidden Markov model is a double stochastic process: its core is the transfer of hidden state, but the hidden state is not observable at the same time, only the general observation values can be inferred according to the relationship between them. This reflects the present situation of stock market in a certain sense: what can be observed is stock price, trading volume and other information, while the rise and fall of stock, fluctuation and fluctuation are in fact the products that people have processed according to historical information. Therefore, the hidden Markov model has certain practical significance in simulating the operation of stock market. Based on the hidden Markov model, this paper analyzes the practical significance of determining the parameter variables, and takes the Shanghai Composite Index as the object to simulate the flow of quantitative transactions. The first chapter introduces the background of the transaction. The second chapter explains the theoretical basis of the hidden Markov model, including the Bayesian function, the description of the hidden Markov model and the hidden Markov model combined with the time series. In chapter 3, the selection of parameters in the model is tested and the optimization suggestions are given, and the operation process is explained by combining these parameters with the hidden Markov model. The fourth chapter is a summary of the content of the paper and its practical significance.
【學(xué)位授予單位】：北京外國語大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前6條

1 騰格爾;賀昌政;蔣曉毅;;隱馬爾可夫模型研究進(jìn)展及其管理領(lǐng)域應(yīng)用[J];軟科學(xué);2012年02期

2 劉志強(qiáng);;基于連續(xù)隱馬爾可夫模型的旋律檢索算法研究[J];中小企業(yè)管理與科技(上旬刊);2011年12期

3 王實(shí),高文,黃鐵軍,馬繼勇,李錦濤;基于隱馬爾可夫模型的在線零售站點(diǎn)的自適應(yīng)[J];軟件學(xué)報(bào);2001年04期

4 劉華泓;姜克旺;蔡向高;;基于OpenCL的隱馬爾可夫模型的GPU并行實(shí)現(xiàn)[J];科技創(chuàng)新導(dǎo)報(bào);2013年15期

5 張圣忠;李倩;吳群琪;;基于隱馬爾可夫模型的物流企業(yè)客戶違約風(fēng)險(xiǎn)評估[J];財(cái)經(jīng)理論與實(shí)踐;2010年03期

6 ;[J];;年期

相關(guān)會議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會論文集[C];2009年

3 吳志強(qiáng);陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關(guān)的說話人辨認(rèn)的研究[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應(yīng)用[A];現(xiàn)代通信理論與信號處理進(jìn)展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學(xué)術(shù)報(bào)告與展示會論文集[C];1990年

6 徐東風(fēng);周萍;景新幸;;改進(jìn)隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國聲學(xué)學(xué)會2007年青年學(xué)術(shù)會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關(guān)定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識別[A];第三屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];1994年

9 楊文強(qiáng);鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點(diǎn)識別[A];中國運(yùn)籌學(xué)會第六屆學(xué)術(shù)交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實(shí)現(xiàn)[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集[C];1996年

相關(guān)博士學(xué)位論文 前4條

1 歐陽黜霏;基于隱馬爾可夫模型的車輛行程時(shí)間預(yù)測方法研究[D];武漢大學(xué);2015年

2 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應(yīng)用[D];清華大學(xué);2004年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

4 劉韜;基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動伴奏技術(shù)研究[D];河南師范大學(xué);2015年

2 張凱;基于隱馬爾可夫模型的頻譜預(yù)測和感知方法研究[D];南京郵電大學(xué);2015年

3 白雁飛;基于隱馬爾可夫模型的J波識別技術(shù)研究[D];太原理工大學(xué);2016年

4 崔晨雨;基于用戶經(jīng)驗(yàn)水平的推薦方法研究[D];清華大學(xué);2015年

5 李若冰;基于貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型的撲克對手建模研究[D];南京大學(xué);2013年

6 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡(luò)入侵檢測研究[D];華北電力大學(xué)(北京);2014年

7 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學(xué);2016年

8 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學(xué);2016年

9 關(guān)超;隱馬爾可夫模型在肝硬化進(jìn)展中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

10 李飛;基于隱馬爾可夫模型和符號條件熵的異常生理信號研究[D];南京郵電大學(xué);2016年

，

本文編號：2015168