【摘要】：本文從金融工程的角度出發(fā)對隱馬爾可夫鏈與股票價格模型做實證研究,探討基于隱性馬爾可夫鏈去構(gòu)建證券市場指數(shù)模型的理論可行性,并基于上證指數(shù)進行建模,用實證的方法去檢驗?zāi)Ｐ偷慕忉屃Χ取Ｗ鳛榻鹑诹炕５囊环N嘗試,本文試圖為股票價格指數(shù)研究提供一些新方法與新思路。 隱馬爾可夫鏈?zhǔn)且环N描述隨機過程統(tǒng)計特性的概率模型,由馬爾可夫鏈和一般隨機過程兩個部分組成。不同于人工神經(jīng)網(wǎng)絡(luò)等方法,HMM模型具有完善的概率統(tǒng)計理論做基礎(chǔ),對于經(jīng)典的評估問題、解碼問題、學(xué)習(xí)問題,都有很多學(xué)者對其進行詳實而完善的著作描述及算法支持。 作為隱馬爾可夫鏈模型中的關(guān)鍵參數(shù),不同的隱狀態(tài)數(shù)目會產(chǎn)生不同的解釋結(jié)果。第三章使用基于連續(xù)觀測概率分布的隱馬爾可夫鏈模型對上證指數(shù)進行建模,用BIC/OEHS等方法進行檢驗,證明上證指數(shù)收益序列的隱狀態(tài)應(yīng)分為三個,其發(fā)射函數(shù)的均值分別為漲(+0.45%)、跌(-0.79%)、平(+0.07%),從而為接下來的研究做好鋪墊。 第四章將觀測序列擴展到開盤價、最高價、最低價、收盤價四個維度,試圖對證券價格時間序列的變動模式進行識別。預(yù)測方法主要是用極大似然概率的估計方法,識別股票價格的歷史走勢中與目標(biāo)序列所一致的情況,從而預(yù)測未來的最大可能走勢。在這部分內(nèi)容里,我們提出了d日加權(quán)預(yù)測的方法,并用MAPE等工具對各種參數(shù)的結(jié)果進行分析,通過對比預(yù)測精度與預(yù)測穩(wěn)定性,我們認(rèn)為10日加權(quán)預(yù)測的表現(xiàn)較好。 第五章中,作者在10日加權(quán)平均預(yù)的HMM模型基礎(chǔ)上,選取基于上證50指數(shù)的上證50ETF作為研究標(biāo)的,試圖找出預(yù)測效果最好的因子組合。通過對基本形態(tài)、平均移動均線系統(tǒng)、利率因素、資金流向因素等多個因子的組合分析,得出對收盤價預(yù)測效果最好的三個因子：大單動向、漲跌動因、10日均線。
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F224;F832.51

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 薛銳青;基于作者權(quán)威值的論文排名預(yù)測算法研究[D];吉林大學(xué);2012年

，

本文編號：2662627