【摘要】：隨著股票交易制度的逐步完善,股票也成為一種重要的投資方式。股票指數(shù)與其成分股一般具有正向關(guān)系,股指一般作為股票市場的“晴雨表”對投資者從整體上把握股票的行情,政府制定宏觀政策中具有重要作用。然而由于股市變化比較復(fù)雜,所以很難有比較精確的預(yù)測。所以本文主要是基于已有的關(guān)于股指預(yù)測的研究,從以下三個(gè)方面進(jìn)行研究。首先簡單介紹目前股指預(yù)測研究的理論以及進(jìn)展,緊接著介紹了兩種神經(jīng)網(wǎng)絡(luò)模型,多層感知機(jī)模型(MLP)以及函數(shù)連接型神經(jīng)網(wǎng)路(FLANN),以及兩種參數(shù)優(yōu)化算法,BP算法以及粒子群算法(PSO),并分別對他們進(jìn)行比較。其次,介紹了基于小波變異的粒子群算法(WM-PSO),分析其可能存在的問題并對其進(jìn)行改進(jìn),得到改進(jìn)的基于小波變異的粒子群算法(IWM-PSO),通過5個(gè)Benchmark函數(shù)進(jìn)行數(shù)值模擬,以驗(yàn)證算法的性能。通過結(jié)果分析可以發(fā)現(xiàn),所提出的IWM-PSO算法在搜索結(jié)果的精度以及穩(wěn)定性上相較于其他模型均達(dá)到了最優(yōu)。最后,利用滬深300指數(shù)進(jìn)行實(shí)證研究。選擇滬深300指數(shù)2016/1/21到2017/3/15共計(jì)278個(gè)交易日的數(shù)據(jù)構(gòu)建模型的訓(xùn)練集與測試集來驗(yàn)證模型的預(yù)測效果。在對于股指的預(yù)測方面,IWM-PSO-FLANN模型在三個(gè)標(biāo)準(zhǔn)下均達(dá)到最優(yōu),同時(shí)發(fā)現(xiàn)利用三角函數(shù)展開的效果要優(yōu)于利用多項(xiàng)式進(jìn)行展開的結(jié)果;在對于收益率的預(yù)測方面,在三個(gè)標(biāo)準(zhǔn)下的表現(xiàn)與股指預(yù)測的相同,除此之外對預(yù)測符號(hào)以及績效的分析中可以發(fā)現(xiàn),IWM-PSO-FLANN模型的預(yù)測準(zhǔn)確度最優(yōu),同時(shí)可以達(dá)到最高的收益績效。
【圖文】：

圖３－２不同＾值對于Ｍｏｒｌｅｔ小波波形的影響逡逑對于參數(shù)ｕ由式（３－３）得到，對于不同的參數(shù)ａ邋Ｍｏｒｌｅｔ小波會(huì)有不同的波逡逑，如圖３－２所示。逡逑１７逡逑

（０．１＋０．００ｌ（．ｖ，２＋ｘ，２））逡逑以上五個(gè)的函數(shù)的迭代次數(shù)設(shè)為３０００，每…個(gè)函數(shù)運(yùn)行５００次，并記錄每逡逑－次運(yùn)行的數(shù)據(jù)。將數(shù)據(jù)�。保暗膶�(shù)后，分別繪制函數(shù)的收斂曲線圖如圖３－４逡逑所示。并對最優(yōu)解分別計(jì)算其標(biāo)準(zhǔn)差，Ｍ優(yōu)解以及平均解，，得到的匯總結(jié)果如逡逑表３－２所示。逡逑Ｆｕｎｃｔｉｏｎ邋１邐Ｆｕｎｃｔｉｏｎ邋２邐Ｆｕｎｃｔｉｏｎ邋３逡逑５邋＾－ＶＴ－ｒ邐邐邐邋；邐６邋－逡逑邐ＷＶＭＰＳＯ邐邐邋邐ＩＷＭＰＳＯ邋．．邐邐ＩＷＭＰＳＯ逡逑０邐、？、、邐邐ＷＭＰＳＯ邐Ａ邐邐ＷＭＰＳＯ邋＇邐１１邐邐ＷＭＰＳＣ逡逑－５－邐＼邋＼邐ＰＳ0邋－邐２邐＼邐…？ＰＳ0邋－邐？？？？？ＰＳ0逡逑３５０邐２００邐４００邐６００邐８００邐１０００邐°０邐２００邐４００邐６０Ｃ邐８００邐１０００邐３0邋５００邐１邋０００邋１５００邐２０００邋２５００邋３０００逡逑ｉｔｅｒａｔｉｏｎ邋ｎｕｍｂｅｒ邐ｉｔｅｒａｔｉｏｎ邋ｎｕｍｂｅｆ邐ｉｔｅｒａｂｏｎ邋ｎｕｍｂｅｒ逡逑Ｆｕｎｃｔｉｏｎ邋４邐Ｆｕｎｃｔｉｏｎ邋５逡逑３ｒ———ｔ邋邋邋邐一邋ｉ邋＇邋■■邋－ｔ邋邋邐１邐Ｏｒ－逡逑邐ＷＭＰＳＯ邐－邐ＩＷＭＰＳＯ逡逑２邋８－邐邐ＷＭＰＳＯ邐Ｏ邋２邋－邐邐ＷＭＰＳＯ逡逑邐ＰＳＯ邐邐ＰＳＯ逡逑２６Ｆ邐－０４逡逑１２Ａ邐Ｉ邋咖、、邐－逡逑Ｉ邋２２邋Ｖ邐邐？．邋ｇ邋－０８逡逑２－邋＼邐－邐．１．逡逑１８邋邐邐邋１邋２邋邐．逡逑１邋６０邐５００邐１０００邐１５００邐２０００邐２５００邐３０００邐＿
【學(xué)位授予單位】：華北電力大學(xué)(北京)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.51;TP18

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 白營閃;基于ARIMA模型對滬深300指數(shù)的預(yù)測分析[D];華南理工大學(xué);2010年

本文編號(hào)：2663076