【摘要】：隨著金融市場的迅速壯大,股票漸漸成為人們一種很重要的理財方式。但是,由于政策、市場等的變化波動,股民們對股市的變化往往捉摸不透,在可能獲得潛在收益的同時亦有可能遭受重大損失。故而提供一種行之有效的股價預測方法是很有意義的。本課題將統(tǒng)計學中的定性變量研究與數(shù)學定量變量的研究相結合,運用數(shù)據(jù)挖掘中的聚類算法,建立馬氏鏈預測模型實現(xiàn)對個股價格走勢的預測。以我國具體的股票為例,驗證該方法的有效性,以便為廣大股民提供更多的股價預測參考方案。首先,本文在比較分析眾多聚類算法的基礎上,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,詳細推導馬氏鏈預測模型的建立過程,最終建立基于k-means聚類算法的馬氏鏈個股走勢預測模型。然后以中國移動股票為例,運用所建立的聚類馬氏鏈預測模型進行了實證分析,模型的預測準確率為58.3%.而該模型的關鍵便是馬氏鏈的狀態(tài)劃分問題,好的狀態(tài)劃分將使得模型的預測精度大大提升,故而本文綜合考慮影響股價的多個重點指標,如收盤價、漲跌、漲跌幅來進行狀態(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)新點所在。最終,基于不斷提高模型預測精度的目的,繼續(xù)增加成交量這一指標進行狀態(tài)劃分,提出了改進的馬氏鏈預測模型,使得模型的預測準確率提高了27.4%,最終達到85.7%,這說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。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F832.51

【參考文獻】

相關期刊論文 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;;基于滾動窗口馬爾科夫鏈預測模型的股票指數(shù)波動情況研究[J];上海金融學院學報;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測[J];現(xiàn)代經(jīng)濟信息;2011年22期

相關碩士學位論文 前3條

1 王莉;基于人工智能算法的股票價格波動規(guī)律預測方法研究[D];吉林大學;2016年

2 賈云朋;數(shù)據(jù)挖掘在股票曲線趨勢預測中的研究及應用[D];吉林大學;2015年

3 李衛(wèi)民;ARMA-廣義回歸神經(jīng)網(wǎng)絡技術在股票預測中的應用研究[D];山東科技大學;2004年

本文編號：2764780