隨著中國(guó)大國(guó)崛起,經(jīng)濟(jì)發(fā)展日新月異,人們手中掌握的財(cái)富越來(lái)越多,市場(chǎng)上各種保本理財(cái)產(chǎn)品層出不窮,房地產(chǎn)的住房屬性已經(jīng)變?yōu)橥顿Y屬性,都側(cè)面說(shuō)明了我國(guó)已經(jīng)進(jìn)入了全民投資理財(cái)時(shí)代。而銀行存儲(chǔ)利率相對(duì)較低,普通人難以抵抗通貨膨脹帶來(lái)的貨幣貶值。在前幾年,中產(chǎn)階級(jí)大多選擇投資房地產(chǎn)來(lái)進(jìn)行資產(chǎn)增值,但中央政府為了防止房?jī)r(jià)暴漲暴跌發(fā)生金融系統(tǒng)性風(fēng)險(xiǎn),近些年出臺(tái)一系列政策堅(jiān)決遏制房地產(chǎn)泡沫炒作,所以許多觀望者認(rèn)為現(xiàn)在甚至到未來(lái)的5年,房地產(chǎn)市場(chǎng)沒(méi)有很好的投資效益。與此同時(shí),股票A股市場(chǎng)自1990年建立以來(lái),已經(jīng)發(fā)展快到30年,在國(guó)內(nèi)是企業(yè)融資和廣大股民的投資渠道,因此近年來(lái),因?yàn)榉康禺a(chǎn)的擠出效應(yīng),更多的資金開(kāi)始流向二級(jí)市場(chǎng)。而中國(guó)證監(jiān)會(huì)監(jiān)管日益趨嚴(yán),嚴(yán)禁各種題材炒作,開(kāi)始逐步引導(dǎo)市場(chǎng)資金進(jìn)行價(jià)值投資。隨著滬港通和深港通的開(kāi)通,以及明晟公司在2017年6月宣布將A股納入MSCI新興市場(chǎng)指數(shù),都表明A股市場(chǎng)將在不久的將來(lái)和國(guó)際成熟市場(chǎng)接軌,逐漸去散戶(hù)化,未來(lái)市場(chǎng)只能相對(duì)布局有著良好基本面的藍(lán)籌股。上證50指數(shù),這個(gè)指數(shù)更能代表A股市場(chǎng)未來(lái)的投資方向。本文將上證50股指的未來(lái)走勢(shì)分別劃分為兩種(漲、跌),通過(guò)股指上個(gè)交易日數(shù)據(jù)指標(biāo)來(lái)對(duì)下一個(gè)交易指數(shù)漲跌進(jìn)行預(yù)測(cè)。文章第一章節(jié)介紹了選題背景和意義,以及國(guó)內(nèi)外的股市研究現(xiàn)狀,第二章節(jié)描述了統(tǒng)計(jì)學(xué)習(xí)理論,第三章節(jié)介紹了股市常用指標(biāo),第四章節(jié)就是模型的實(shí)證研究,運(yùn)用歸一法預(yù)處理上證50指數(shù)360多個(gè)交易日的19個(gè)技術(shù)指標(biāo),統(tǒng)一量綱,找出相關(guān)性,然后通過(guò)主成分分析降維得到5個(gè)主成分變量,接著把這5個(gè)主成分變量作為輸入向量,運(yùn)用非線(xiàn)性的支持向量機(jī)建模訓(xùn)練290個(gè)交易日的數(shù)據(jù),選擇高斯核函數(shù),通過(guò)網(wǎng)格參數(shù)尋優(yōu)和交叉驗(yàn)證方法得到使得分類(lèi)效果最佳的核參數(shù),得到一個(gè)函數(shù)模型,最后用測(cè)試集的72個(gè)交易日的5個(gè)主成分指標(biāo)輸入模型,得出下一交易日的漲跌。結(jié)合具體的指標(biāo)數(shù)據(jù),驗(yàn)證了 SVM模型對(duì)上證50指數(shù)的分類(lèi)準(zhǔn)確性,得到了 SVM模型收益跑贏同期上證50指數(shù)的結(jié)果。但是,由于技術(shù)有限和經(jīng)驗(yàn)的缺失,本文未能得到更好的分類(lèi)準(zhǔn)確率,希望未來(lái)可以結(jié)合集成組合方法,得到更高的分類(lèi)準(zhǔn)確率,更好的分類(lèi)預(yù)測(cè)模型。另一方面,本文選擇的樣本數(shù)據(jù)頻率是以日作為預(yù)測(cè)周期,時(shí)間較短,波動(dòng)較大,噪聲也很大,而每日可能出現(xiàn)的不確定性因素則無(wú)法被納入預(yù)測(cè)體系中,最終造成預(yù)測(cè)誤差。所以后續(xù)可以進(jìn)行周,月的樣本測(cè)試。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：F832.51
【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 選題背景及意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 股市的常用預(yù)測(cè)方法
        1.2.2 支持向量機(jī)在股市的研究現(xiàn)狀
    1.3 研究?jī)?nèi)容和組織安排
        1.3.1 研究?jī)?nèi)容
        1.3.2 組織安排
    1.4 本文研究方法和創(chuàng)新點(diǎn)
        1.4.1 研究方法
        1.4.2 可能的創(chuàng)新點(diǎn)
第二章 統(tǒng)計(jì)學(xué)習(xí)理論
    2.1 主成分分析
        2.1.1 主成分分析基本思想
        2.1.2 主成分分析的數(shù)學(xué)模型
        2.1.3 主成分特點(diǎn)
    2.2 支持向量機(jī)算法
        2.2.1 支持向量機(jī)（SVM）概述
        2.2.2 支持向量機(jī)基本原理
        2.2.3 核函數(shù)
    2.3 交叉驗(yàn)證法和網(wǎng)格搜索尋優(yōu)
第三章 股市技術(shù)分析
    3.1 技術(shù)分析理論
        3.1.1 技術(shù)分析基礎(chǔ)
        3.1.2 技術(shù)分析的特點(diǎn)及優(yōu)勢(shì)
    3.2 常見(jiàn)技術(shù)指標(biāo)及其應(yīng)用
第四章 基于SVM的模型實(shí)證研究
    4.1 數(shù)據(jù)選取與標(biāo)準(zhǔn)化處理
    4.2 主成分降維
    4.3 基于Grid-SVM模型的構(gòu)建分析
    4.4 基于Grid-SVM模型的上證50指數(shù)預(yù)測(cè)分析
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 未來(lái)研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的論文

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金瑤;蔡之華;;基于AR模型的Kalman濾波在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J];統(tǒng)計(jì)與決策;2013年06期

2 姜金勝;;淺析布林線(xiàn)指標(biāo)在股市中的運(yùn)用[J];上海青年管理干部學(xué)院學(xué)報(bào);2012年04期

3 孫偉;;基于分形市場(chǎng)假說(shuō)的中國(guó)期貨市場(chǎng)有效性研究[J];襄樊學(xué)院學(xué)報(bào);2011年05期

4 徐國(guó)祥;楊振建;;PCA-GA-SVM模型的構(gòu)建及應(yīng)用研究——滬深300指數(shù)預(yù)測(cè)精度實(shí)證分析[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2011年02期

5 劉葉玲;高玲;;利用技術(shù)指標(biāo)及多元回歸模型預(yù)測(cè)股票價(jià)格[J];技術(shù)與創(chuàng)新管理;2010年02期

6 楊國(guó)梁;張新新;楊敏慧;;基于支持向量機(jī)的套期保值技術(shù)研究[J];中央財(cái)經(jīng)大學(xué)學(xué)報(bào);2010年03期

7 方匡南;紀(jì)宏;路遜;;股票技術(shù)指標(biāo)相似性與有效性研究[J];統(tǒng)計(jì)與信息論壇;2009年09期

8 周俊梅;;利用ARFIMA模型研究金融時(shí)間序列[J];海南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

9 胡錫健;;金融時(shí)間序列分析與建模[J];新疆大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

10 張楊;宋恒;;基于聚類(lèi)技術(shù)的股市基本趨勢(shì)規(guī)律挖掘[J];數(shù)理統(tǒng)計(jì)與管理;2006年04期

相關(guān)博士學(xué)位論文 前1條

1 陳永忠;我國(guó)股市非線(xiàn)性時(shí)間序列分析[D];華中科技大學(xué);2004年

相關(guān)碩士學(xué)位論文 前8條

1 郝知遠(yuǎn);基于數(shù)據(jù)挖掘方法的股票預(yù)測(cè)系統(tǒng)[D];南京理工大學(xué);2017年

2 詹財(cái)鑫;基于SVM_AdaBoost模型的股票漲跌實(shí)證研究[D];華南理工大學(xué);2013年

3 崔冰;灰色-GARCH混合模型及其在股票指數(shù)中的應(yīng)用[D];西北農(nóng)林科技大學(xué);2012年

4 袁博;混沌理論在股票市場(chǎng)走勢(shì)預(yù)測(cè)中的應(yīng)用研究[D];東北林業(yè)大學(xué);2012年

5 吳漫君;基于隱馬爾科夫模型的股價(jià)走勢(shì)預(yù)測(cè)[D];華南理工大學(xué);2011年

6 金得寶;基于支持向量機(jī)的股市預(yù)測(cè)研究[D];浙江大學(xué);2010年

7 高偉良;股票價(jià)格時(shí)間序列ARCH模型建立與選擇研究[D];合肥工業(yè)大學(xué);2009年

8 呂曉華;中國(guó)股市的非線(xiàn)性特性分析[D];浙江工商大學(xué);2008年

本文編號(hào)：2866744