本文關(guān)鍵詞：基于支持向量機的股指變動方向預測，由筆耕文化傳播整理發(fā)布。

【摘要】：股票及股指價格預測一直是經(jīng)濟金融研究中的熱點問題,也是金融時間序列預測的難點。近年來,機器學習理論在金融預測中應用廣泛,國內(nèi)外的研究者對此提出了各種各樣的模型,但是大多數(shù)研究者將精力集中在股價未來值的精確預測上,對股票及股指變動方向的預測研究不多,尤其是像中國這樣的新興市場。股價的變動方向預測意義重大,它不僅直接影響著投資者的買賣行為及交易策略,而且近來一些研究表明,基于股價變化方向預測做出的交易策略更為高效。本文將中國滬深300指數(shù)收盤價日變化方向的預測轉(zhuǎn)化為分類預測問題,定義預測變量(指數(shù)價格變化方向)y=0或y=1,即如果下一天的價格高于今天價格,y=1,如果下一天的價格低于今天價格,y=0。預測模型選用機器學習中廣泛用于分類的支持向量機模型(SVM),選取10個股票交易分析中具有代表性的技術(shù)指標做為模型輸入變量,預測下一天股指收盤價的變化方向。為了提高預測準確率,后來引入向量自回歸模型(VAR),先用向量自回歸模型預測下一天的股價及技術(shù)指標,然后再將預測得到的技術(shù)指標輸入支持向量機得到下一天價格變化方向,通過對比實證結(jié)果,在向量自回歸基礎上的支持向量機間接預測,效果較好。
【關(guān)鍵詞】：支持向量機(SVM) 滬深300指數(shù) 方向預測 向量自回歸(VAR)
【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】：F224;F832.51
【目錄】：

• 中文摘要8-9
• 英文摘要9-10
• 第一章 前言10-13
• §1.1 研究背景10-11
• §1.2 研究方法及文章結(jié)構(gòu)11-12
• §1.3 論文創(chuàng)新之處12-13
• 第二章 理論方法簡介13-22
• §2.1 支持向量機理論13-18
• §2.1.1 線性支持向量分類機13-16
• §2.1.2 支持向量分類機16-18
• §2.2 時間序列理論18-22
• §2.2.1 一元時間序列及ARMA模型簡介18-19
• §2.2.2 多元時間序列及VAR模型簡介19-21
• §2.2.3 協(xié)整理論21-22
• 第三章 股指變動方向SVM預測分析22-27
• §3.1 數(shù)據(jù)及指標介紹22-25
• §3.2 SVM實證結(jié)果25-27
• 第四章 在VAR基礎上的SVM預測分析27-36
• §4.1 股指價格VAR預測分析27-34
• §4.2 VAR預測基礎上的SVM方向預測34-36
• 第五章 結(jié)論與展望36-37
• §5.1 文章總結(jié)36
• §5.2 研究展望36-37
• 參考文獻37-40
• 致謝40-41
• 附表41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 魯磊;;國債價格與收益率變化實證研究[J];現(xiàn)代商業(yè);2008年33期

2 張世賢;論產(chǎn)業(yè)投資效率與結(jié)構(gòu)變動方向[J];中國工業(yè)經(jīng)濟;2002年12期

3 王建;;“保增長”“調(diào)結(jié)構(gòu)”魚與熊掌可以兼得[J];經(jīng)濟界;2010年05期

4 李慧,舒立;促進鄉(xiāng)鎮(zhèn)企業(yè)健康發(fā)展的政策建議[J];經(jīng)濟研究參考;1995年08期

5 曉獲;;轉(zhuǎn)行后如何快速建立專業(yè)[J];經(jīng)營管理者;2006年02期

6 紀勇;田亞森;;大同市產(chǎn)業(yè)結(jié)構(gòu)變化對就業(yè)的影響[J];中國就業(yè);2014年05期

7 ;[J];;年期

中國重要報紙全文數(shù)據(jù)庫 前1條

1 李剛;BDI指引金價變動方向[N];中國黃金報;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 任東海;基于支持向量機的股指變動方向預測[D];山東大學;2016年

2 林潔;價格變動對消費者購買時機的影響研究[D];東北財經(jīng)大學;2014年

  本文關(guān)鍵詞：基于支持向量機的股指變動方向預測，，由筆耕文化傳播整理發(fā)布。

本文編號：251591