目前我國(guó)發(fā)展量化投資的市場(chǎng)條件已經(jīng)逐步成熟,量化投資交易以其成本低、業(yè)績(jī)優(yōu)的特點(diǎn)得到了迅猛發(fā)展。量化投資的核心要素是股價(jià)趨勢(shì)預(yù)測(cè),股價(jià)變幻莫測(cè),但會(huì)以趨勢(shì)的形式波動(dòng),趨勢(shì)一旦確立,價(jià)格將會(huì)不斷上漲或下跌,直到出現(xiàn)反轉(zhuǎn)。如何準(zhǔn)確預(yù)測(cè)股價(jià)走勢(shì),選擇合適的預(yù)測(cè)方法針對(duì)股價(jià)制定策略成為了投資領(lǐng)域研究的熱點(diǎn)。傳統(tǒng)股價(jià)預(yù)測(cè)方法,如ARIMA、GARCH等模型,要求時(shí)間序列是平穩(wěn)的,且數(shù)據(jù)呈現(xiàn)正態(tài)分布。而股票市場(chǎng)常受多種隨機(jī)因素影響,數(shù)據(jù)呈現(xiàn)非穩(wěn)態(tài)特征,采用傳統(tǒng)股價(jià)預(yù)測(cè)方法建模時(shí)可能會(huì)忽略部分有效信息,使結(jié)果存在偏差。本文選擇創(chuàng)新型股價(jià)預(yù)測(cè)方法—HMM預(yù)測(cè)方法,對(duì)傳統(tǒng)預(yù)測(cè)模型要求數(shù)據(jù)穩(wěn)態(tài)進(jìn)行了改進(jìn),考慮了隨機(jī)過(guò)程對(duì)股價(jià)的影響,避免由于訓(xùn)練參數(shù)過(guò)多而導(dǎo)致模型過(guò)擬合問(wèn)題,提高了模型的穩(wěn)定性,動(dòng)態(tài)刻畫了價(jià)量推動(dòng)過(guò)程。本文在研究背景及相關(guān)文獻(xiàn)梳理的基礎(chǔ)上,按照提出研究假設(shè)--構(gòu)建策略模擬實(shí)驗(yàn)進(jìn)行論證的思路。首先,構(gòu)建傳統(tǒng)HMM預(yù)測(cè)模型,采用滑動(dòng)窗口訓(xùn)練法對(duì)訓(xùn)練集、測(cè)試集樣本進(jìn)行滾動(dòng)建模,通過(guò)Baum-Welch算法連續(xù)訓(xùn)練模型直至獲取最佳參數(shù)估計(jì),利用Viterbi算法對(duì)預(yù)測(cè)集數(shù)據(jù)進(jìn)行狀態(tài)解碼,識(shí)別歷史中與... 

【文章來(lái)源】：西北大學(xué)陜西省 211工程院校

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

連續(xù)小波分解的過(guò)程

圖 11 雙通道濾波過(guò)程波器和低通濾波器，高通濾波器對(duì)應(yīng)輸出為細(xì)節(jié)分量。低通濾波器輸出信號(hào)的相對(duì)近似分量。在小波分析中，近似值是大的縮細(xì)節(jié)值是小的縮放因子產(chǎn)生的系數(shù)，表示不同尺度上對(duì)信號(hào)進(jìn)行分解，并且對(duì)不同蘊(yùn)含著信號(hào)的特征，高頻則給出信號(hào)的細(xì)中的應(yīng)用分三步,首先選擇一個(gè)合適的小信號(hào)分成低頻部分（近似系數(shù)）和高頻部閾值去噪，選擇合適的閾值準(zhǔn)則，小于閾根據(jù)最高層的低頻部分及經(jīng)過(guò)去噪后的

（a） （b）圖 14 小波分解和去噪圖 15 小波重構(gòu)信號(hào)去噪由于具有多分辨分析的特點(diǎn)，可以在分析近似系數(shù)時(shí)用低時(shí)間和高頻細(xì)節(jié)系數(shù)則采用低頻率和高時(shí)間分辨率分析。小波去噪作為一種新的時(shí)頻以聚焦到信號(hào)的任意細(xì)節(jié)，在時(shí)域和頻域中進(jìn)行多變率的聯(lián)合分析，從而

【參考文獻(xiàn)】：
期刊論文
[1]隱馬爾科夫模型的改進(jìn)及其在金融預(yù)測(cè)中的應(yīng)用[J]. 徐朱佳,謝銳,劉嘉,梅玉.  工程數(shù)學(xué)學(xué)報(bào). 2017(05)
[2]上證綜合指數(shù)波動(dòng)情況研究——基于滾動(dòng)窗口的馬爾科夫鏈預(yù)測(cè)模型[J]. 許偉河.  武漢金融. 2015(05)
[3]針對(duì)時(shí)間序列多步預(yù)測(cè)的聚類隱馬爾科夫模型[J]. 章登義,歐陽(yáng)黜霏,吳文李.  電子學(xué)報(bào). 2014(12)
[4]基于隱馬爾科夫模型的中國(guó)股票信息探測(cè)[J]. 黃曉彬,王春峰,房振明,熊春連.  系統(tǒng)工程理論與實(shí)踐. 2012(04)
[5]狀態(tài)轉(zhuǎn)換和中國(guó)股市的獨(dú)特特征——基于馬爾可夫狀態(tài)轉(zhuǎn)換-自回歸模型的分析[J]. 朱鈞鈞,謝識(shí)予.  上海金融. 2010(10)
[6]一種新的基于隱馬爾可夫模型的股票價(jià)格時(shí)間序列預(yù)測(cè)方法[J]. 余文利,廖建平,馬文龍.  計(jì)算機(jī)應(yīng)用與軟件. 2010(06)
[7]基于馬爾科夫切換模型的上證指數(shù)周收益率時(shí)間序列分析[J]. 嚴(yán)太華,陳明玉.  中國(guó)管理科學(xué). 2009(06)
[8]基于隱馬爾可夫模型的股票價(jià)格預(yù)測(cè)組合模型[J]. 朱嘉瑜,葉海燕,高鷹.  計(jì)算機(jī)工程與設(shè)計(jì). 2009(21)
[9]基于機(jī)制轉(zhuǎn)換與隨機(jī)波動(dòng)的我國(guó)短期利率研究[J]. 吳吉林,陶旺升.  中國(guó)管理科學(xué). 2009(03)
[10]基于馬爾科夫鏈模型的滬綜指數(shù)預(yù)測(cè)[J]. 陳增輝.  金融經(jīng)濟(jì). 2008(14)

碩士論文
[1]基于隱馬爾科夫模型的股票價(jià)格指數(shù)預(yù)測(cè)[D]. 王晨.山東大學(xué) 2018
[2]基于隱馬爾科夫模型（HMM）的股票價(jià)格預(yù)測(cè)分析[D]. 黃冉.青島大學(xué) 2015
[3]基于隱馬爾可夫鏈的證券價(jià)格模型及實(shí)證分析[D]. 龔健.復(fù)旦大學(xué) 2011



本文編號(hào)：3061500