股票市場是整個社會經(jīng)濟的重要組成部分,在金融市場中起著重要作用。對股票價格的預測分析,一方面可以幫助管理者有效地管控風險,另一方面也可以幫助投資者在降低自身投資風險的同時獲取更多收益。股票市場是一種復雜多變的非線性系統(tǒng),受到政治經(jīng)濟環(huán)境、市場心理以及企業(yè)發(fā)展狀況等多種因素的影響,因此運用單一模型難以達到預測目標。針對這一問題,本文將采用基于小波分析的改進灰色模型與ARMA-GARCH模型的組合預測方法,其利用小波多分辨率的特性,發(fā)揮了不同模型各自的優(yōu)勢特點,得到了更好的預測結(jié)果。主要工作和成果如下:1.介紹了灰色預測模型和ARMA-GARCH模型。對模型的原理和建模流程作了詳細的介紹,并對兩種單一模型進行簡要分析。2.針對上述模型,在小波分析的基礎(chǔ)上,將改進后的新陳代謝GM（1,1）模型和ARMA-GARCH模型結(jié)合起來。利用小波多分辨率的特性,將股票價格信號分解成一層低頻信號和多層高頻信號,再進行重構(gòu),對重構(gòu)后的趨勢部分建立改進后的GM（1,1）模型,各層細節(jié)部分分別建立ARMA-GARCH模型,根據(jù)每層預測值得到最終結(jié)果。3.分別選取預測序列波動大的和波動小的兩組數(shù)據(jù),運用上述幾種... 

【文章來源】：山東大學山東省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀綜述
    1.3 研究方法和研究框架
第2章 基本理論介紹
    2.1 小波分析簡介
        2.1.1 小波的起源
        2.1.2 多分辨分析
        2.1.3 幾種常用的小波函數(shù)
    2.2 灰色理論簡介
        2.2.1 灰色理論基本思想
        2.2.2 傳統(tǒng)灰色預測模型GM(1,1)
    2.3 ARMA-GARCH模型介紹
        2.3.1 ARMA模型介紹
        2.3.2 ARCH模型及其擴展模型介紹
第3章 基于小波分析的GM與ARMA-GARCH組合模型
    3.1 建模流程
    3.2 模型的建立
        3.2.1 對原序列S進行小波分解與重構(gòu)
        3.2.2 對序列Aj建立灰色預測模型
        3.2.3 對序列Dj建立ARMA-GARCH模型
    3.3 模型的評價標準
第4章 實證研究
    4.1 數(shù)據(jù)的選取
    4.2 單個模型實證研究
        4.2.1 GM(1,1)模型實證分析
        4.2.2 ARMA-GRACH模型實證分析
    4.3 組合預測模型實驗研究
        4.3.1 小波分解與重構(gòu)
        4.3.2 對序列A2建立GM(1,1)模型
        4.3.3 對序列D1、D2建立ARMA-GARCH模型
        4.3.4 模型組合
    4.4 模型比較
    4.5 總結(jié)與展望
參考文獻
致謝
學位論文評閱及答辯情況表


【參考文獻】：
期刊論文
[1]股票市場波動性研究——基于ARMA-TGARCH-M模型的實證分析[J]. 劉湖,王瑩.  北京航空航天大學學報(社會科學版). 2017(04)
[2]小波分析下的神經(jīng)網(wǎng)絡股票預測研究[J]. 孫冰潔,唐瑞,左毅,黃明和.  計算機與數(shù)字工程. 2016(06)
[3]基于小波變換的GM（1,1）-ARMA組合預測模型對懸索管橋的應變預測[J]. 郇瀅,蘭惠清,林楠,張平.  應用科學學報. 2016(01)
[4]基于ARMA-GM組合模型的江蘇省城鄉(xiāng)收入差距預測[J]. 辜子寅.  常熟理工學院學報. 2012(08)
[5]基于小波多尺度分析的股票價格組合預測方法[J]. 肖燕君,張華,任若恩.  工業(yè)工程. 2011(06)
[6]灰色預測GM（1,1）模型的改進及應用[J]. 楊華龍,劉金霞,鄭斌.  數(shù)學的實踐與認識. 2011(23)
[7]證券投資基金市場的ARMA-ARCH類模型分析[J]. 惠軍,朱翠.  合肥工業(yè)大學學報(自然科學版). 2010(07)
[8]改進的灰色模型與ARMA模型的股指預測[J]. 吳朝陽.  智能系統(tǒng)學報. 2010(03)
[9]應用改進的灰色模型預測民航管制員數(shù)量[J]. 何昕,陳亞青.  實驗科學與技術(shù). 2010(01)
[10]ARMA模型參數(shù)估計算法改進及在股票預測中的應用[J]. 何永沛.  重慶工學院學報(自然科學版). 2009(02)



本文編號：3642931