【摘要】：隨著金融市場(chǎng)的迅速壯大,股票漸漸成為人們一種很重要的理財(cái)方式。但是,由于政策、市場(chǎng)等的變化波動(dòng),股民們對(duì)股市的變化往往捉摸不透,在可能獲得潛在收益的同時(shí)亦有可能遭受重大損失。故而提供一種行之有效的股價(jià)預(yù)測(cè)方法是很有意義的。本課題將統(tǒng)計(jì)學(xué)中的定性變量研究與數(shù)學(xué)定量變量的研究相結(jié)合,運(yùn)用數(shù)據(jù)挖掘中的聚類算法,建立馬氏鏈預(yù)測(cè)模型實(shí)現(xiàn)對(duì)個(gè)股價(jià)格走勢(shì)的預(yù)測(cè)。以我國(guó)具體的股票為例,驗(yàn)證該方法的有效性,以便為廣大股民提供更多的股價(jià)預(yù)測(cè)參考方案。首先,本文在比較分析眾多聚類算法的基礎(chǔ)上,選擇最適合本課題數(shù)據(jù)特征的k-means聚類算法作為后續(xù)的研究重點(diǎn),詳細(xì)推導(dǎo)馬氏鏈預(yù)測(cè)模型的建立過(guò)程,最終建立基于k-means聚類算法的馬氏鏈個(gè)股走勢(shì)預(yù)測(cè)模型。然后以中國(guó)移動(dòng)股票為例,運(yùn)用所建立的聚類馬氏鏈預(yù)測(cè)模型進(jìn)行了實(shí)證分析,模型的預(yù)測(cè)準(zhǔn)確率為58.3%.而該模型的關(guān)鍵便是馬氏鏈的狀態(tài)劃分問(wèn)題,好的狀態(tài)劃分將使得模型的預(yù)測(cè)精度大大提升,故而本文綜合考慮影響股價(jià)的多個(gè)重點(diǎn)指標(biāo),如收盤價(jià)、漲跌、漲跌幅來(lái)進(jìn)行狀態(tài)劃分,解決了馬氏鏈狀態(tài)劃分的難題,避免了主觀臆想,這也是本文的創(chuàng)新點(diǎn)所在。最終,基于不斷提高模型預(yù)測(cè)精度的目的,繼續(xù)增加成交量這一指標(biāo)進(jìn)行狀態(tài)劃分,提出了改進(jìn)的馬氏鏈預(yù)測(cè)模型,使得模型的預(yù)測(cè)準(zhǔn)確率提高了27.4%,最終達(dá)到85.7%,這說(shuō)明了所建模型的合理性與可參考性,并可為廣大股民提供一些可供參考的建議。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 Priyanka Srikanth;;Using Markov chains to predict the natural progression of diabetic retinopathy[J];International Journal of Ophthalmology;2015年01期

2 許偉河;;基于滾動(dòng)窗口馬爾科夫鏈預(yù)測(cè)模型的股票指數(shù)波動(dòng)情況研究[J];上海金融學(xué)院學(xué)報(bào);2014年06期

3 武月;李紅春;;基于AHP與馬爾科夫鏈的股票行情一類分析及預(yù)測(cè)[J];現(xiàn)代經(jīng)濟(jì)信息;2011年22期

相關(guān)碩士學(xué)位論文 前3條

1 王莉;基于人工智能算法的股票價(jià)格波動(dòng)規(guī)律預(yù)測(cè)方法研究[D];吉林大學(xué);2016年

2 賈云朋;數(shù)據(jù)挖掘在股票曲線趨勢(shì)預(yù)測(cè)中的研究及應(yīng)用[D];吉林大學(xué);2015年

3 李衛(wèi)民;ARMA-廣義回歸神經(jīng)網(wǎng)絡(luò)技術(shù)在股票預(yù)測(cè)中的應(yīng)用研究[D];山東科技大學(xué);2004年

本文編號(hào)：2764780