【摘要】：本文針對股票價格的不確定性,將隱馬爾科夫模型應用于股價走勢預測中.隱馬爾科夫模型是一個雙隨機過程,由兩部分組成：馬爾科夫鏈和一般隨機過程.其中隱馬爾科夫鏈用了描述狀態(tài)的轉移,用轉移概率矩陣表示.一般隨機過程用來描述狀態(tài)與觀察值之間的關系,用觀察值概率轉移矩陣或高斯混合分布函數表示.模型的意義在于將未來走勢和歷史數據聯系起來,通過歷史數據估計模型的參數分布,確定隱狀態(tài)和觀察值的分布,進而預測當前的隱狀態(tài). 本文應用隱馬爾科夫模型預測股價走勢時,隱狀態(tài)取為股價的未來走勢,觀察值為股價指標,其中離散模型中觀察值為股價指標的離散化組合,連續(xù)模型中觀察值為指標本身.通過歷史行情數據得到參數估計,進而利用參數和當前股價的觀察值,預測股價的未來走勢.為了驗證模型的有效性,我們將預測結果與實際情況作比較,并統(tǒng)計了預測方法的準確度.實證表明,對同樣的數據做分析,連續(xù)隱馬爾科夫模型的實證結果優(yōu)于離散模型.但相對離散模型,連續(xù)模型算法較為復雜,對實際數據的要求較高.
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2011
【分類號】：F224;F830.91

【參考文獻】

相關期刊論文 前2條

1 姚洪興,盛昭瀚;股市預測中的小波神經網絡方法的研究[J];管理工程學報;2002年02期

2 楊一文,劉貴忠;基于神經網絡的多變量時間序列預測及其在股市中的應用[J];信息與控制;2001年05期

，

本文編號：2610798