本文關(guān)鍵詞：基于小波分析和AGA-SVR模型的股指預(yù)測(cè)方法研究　出處：《華南理工大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 股指預(yù)測(cè) 小波分析 支持向量機(jī) 自適應(yīng)遺傳算法

【摘要】：股票價(jià)格指數(shù)是用來(lái)反映不同時(shí)期股價(jià)變動(dòng)情況的相對(duì)指數(shù)，是衡量股市變化的一個(gè)測(cè)量器，也是投資者做出投資決策的參照標(biāo)。股指作為一種重要的金融數(shù)據(jù)，具有非常強(qiáng)的不確定性和非線性，這種特點(diǎn)也導(dǎo)致了對(duì)股指的研究和預(yù)測(cè)存在相當(dāng)大的難度。不少學(xué)者從統(tǒng)計(jì)學(xué)的原理出發(fā)對(duì)股指進(jìn)行研究，取得不錯(cuò)的效果。近些年來(lái)，關(guān)于支持向量機(jī)在股指方面的應(yīng)用也成為一個(gè)熱點(diǎn)。而且出現(xiàn)了許多不同的衍生理論模型，如對(duì)模型的改進(jìn)以及利用生物進(jìn)化方法優(yōu)化算法的一系列的模型等。 本文在前人的基礎(chǔ)上，考慮到股票市場(chǎng)自身具有的一種長(zhǎng)期趨勢(shì)性和一種短期不確定性，試圖預(yù)先將這兩種性質(zhì)分別進(jìn)行研究，盡可能排除彼此間的干擾，通過(guò)這種對(duì)原始數(shù)據(jù)的預(yù)處理，由此將小波數(shù)據(jù)分析技術(shù)引入股指的研究，因?yàn)槠渚哂泻芎玫臅r(shí)頻局域化特性，能降低股價(jià)數(shù)據(jù)的噪音干擾，，更好地把握數(shù)據(jù)內(nèi)在的關(guān)聯(lián)性，為之后預(yù)測(cè)模型選取較好樣本數(shù)據(jù)，也從一定程度上改善預(yù)測(cè)效果。 本文主要內(nèi)容有：首先總結(jié)了股指預(yù)測(cè)方面的研究現(xiàn)狀和各種預(yù)測(cè)方法的研究進(jìn)展；之后闡述了小波數(shù)據(jù)分析技術(shù)和支持向量機(jī)的理論基礎(chǔ)；其次，依據(jù)支持向量機(jī)在預(yù)測(cè)時(shí)所存在的問(wèn)題，引出自適應(yīng)遺傳算法這一優(yōu)化算法，重點(diǎn)分析了支持向量機(jī)存在參數(shù)難以選擇的問(wèn)題，并且探討了如何通過(guò)自適應(yīng)遺傳優(yōu)化算法來(lái)彌補(bǔ)這一缺陷；最后，在此基礎(chǔ)上，進(jìn)行具體模型的構(gòu)建及應(yīng)用。 本文主要方法是：首先利用小波數(shù)據(jù)分析技術(shù)對(duì)原始的股指價(jià)格序列進(jìn)行預(yù)處理，目的是用小波技術(shù)除去原始數(shù)據(jù)中的噪音，以便于充分提取價(jià)格序列內(nèi)隱含的波動(dòng)和趨勢(shì)信息，這樣可以很好地把握序列的波動(dòng)性和內(nèi)在的關(guān)聯(lián)性，也可以提高預(yù)測(cè)的精度；接著建立基于小波分析和自適應(yīng)遺傳算法——支持向量機(jī)的模型進(jìn)行智能化訓(xùn)練以達(dá)到較好的預(yù)測(cè)效果；最后將實(shí)際的股指價(jià)格數(shù)據(jù)應(yīng)用到建立的模型中，進(jìn)行股指價(jià)格預(yù)測(cè)的實(shí)證研究。實(shí)證結(jié)果表明：通過(guò)小波分析技術(shù)進(jìn)行數(shù)據(jù)預(yù)處理最終有利于提高預(yù)測(cè)的精度，且其預(yù)測(cè)精度也比一般未改進(jìn)的支持向量機(jī)模型和其他預(yù)測(cè)模型的精度要高，擬合效果也較好。且與傳統(tǒng)預(yù)測(cè)模型相比，其預(yù)測(cè)方法具有更高的經(jīng)濟(jì)價(jià)值和發(fā)展前景。
[Abstract]:Stock price index is the relative index used to reflect the change of stock price in different periods . It is a measure of stock market change and the reference standard for investors to make investment decision . On the basis of the former , considering the long - term trend and a short - term uncertainty of the stock market itself , this paper attempts to study the two kinds of data in advance and eliminate the interference from each other in advance . Through the preprocessing of the raw data , the wavelet data analysis technology is introduced into the research of the index finger , which can reduce the noise interference of the stock price data , better grasp the correlation between the data and improve the prediction effect to a certain extent . The main contents of this paper are as follows : Firstly , the research progress of the research on the prediction of stock index and the research progress of various prediction methods are summarized . Then , the theory basis of wavelet data analysis technology and support vector machine is described . Secondly , according to the problems existing in prediction of support vector machine , the optimization algorithm of adaptive genetic algorithm is introduced , and how to make up the defect by adaptive genetic optimization algorithm is discussed . Finally , the construction and application of concrete model are discussed . The main method is to pre - process the original stock index price sequence by using the wavelet data analysis technology . The purpose is to remove the noise from the original data with wavelet technique , so as to fully extract the implied volatility and trend information in the price sequence , so that the prediction accuracy can be improved well . Finally , the actual index price data is applied to the established model , and the prediction accuracy is improved . The results show that the forecasting method has higher economic value and development prospect than the conventional prediction model .

【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：F830.91;F224;O174.2

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 溫從德;;基于遺傳算法的股票指數(shù)復(fù)制方法實(shí)證檢驗(yàn)[J];中國(guó)城市經(jīng)濟(jì);2010年05期

2 岳意定;肖賽君;;影響股票價(jià)格的宏觀因素研究[J];湖南財(cái)經(jīng)高等�？茖W(xué)校學(xué)報(bào);2006年03期

3 朱永生,張優(yōu)云;支持向量機(jī)分類器中幾個(gè)問(wèn)題的研究[J];計(jì)算機(jī)工程與應(yīng)用;2003年13期

4 陳海明,李東;灰色預(yù)測(cè)模型在股票價(jià)格中的應(yīng)用[J];科研管理;2003年02期

5 張立霞;馬芳芳;葉德謙;;基于支持向量機(jī)方法的金融時(shí)間序列研究[J];遼寧工業(yè)大學(xué)學(xué)報(bào);2008年01期

6 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動(dòng)化學(xué)報(bào);2000年01期

7 錢浩韻;;A-SV模型及其在中國(guó)股票市場(chǎng)的應(yīng)用[J];南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年02期

8 劉永福,李建功;利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)上證指數(shù)[J];市場(chǎng)周刊(商務(wù)營(yíng)銷);2003年10期

9 楊一文,楊朝軍;基于支持向量機(jī)的金融時(shí)間序列預(yù)測(cè)[J];系統(tǒng)工程理論方法應(yīng)用;2005年02期

10 伍海華,馬媛,高波;BP神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)模型[J];中共青島市委黨校.青島行政學(xué)院學(xué)報(bào);2003年01期

相關(guān)碩士學(xué)位論文 前1條

1 鄭紀(jì)安;基于小波分析和神經(jīng)網(wǎng)絡(luò)的金融時(shí)間序列預(yù)測(cè)研究[D];廈門大學(xué);2009年

本文編號(hào)：1437406