本文關(guān)鍵詞：基于多變量相空間重構(gòu)的投資組合策略研究，由筆耕文化傳播整理發(fā)布。

【摘要】：投資收益在金融市場這個(gè)高度不穩(wěn)定的環(huán)境中充滿了不確定性。股票市場受到金融市場的不可預(yù)測性嚴(yán)重影響,因此持有一個(gè)能使風(fēng)險(xiǎn)達(dá)到最小的多元化投資組合毫無疑問是所有投資者所期望的。有效的價(jià)格波動(dòng)預(yù)測可以高度影響這種組合投資策略的制定。本文根據(jù)股票的經(jīng)濟(jì)指標(biāo)數(shù)據(jù),利用高維聚類方法進(jìn)行分類分組,對比找出相對值得投資的組合。對此建模預(yù)測收盤價(jià)。本文的金融時(shí)間序列為多變量時(shí)間序列。傳統(tǒng)的時(shí)間序列模型對此類時(shí)間序列擬合和預(yù)測效果都不是很理想。因此,本文使用相空間重構(gòu)思想,結(jié)合遺傳算法對SVR(支持向量回歸機(jī))進(jìn)行參數(shù)估計(jì),找到最優(yōu)延遲時(shí)間?和相空間維數(shù)m,預(yù)測影響收盤價(jià)的七個(gè)指標(biāo)值,再通過LASSO算法預(yù)測收盤價(jià)。最后,通過預(yù)測后的收盤價(jià)波動(dòng)趨勢,判斷投資時(shí)限。實(shí)證表明,通過對比金融數(shù)據(jù)的多變量時(shí)間序列高維聚類和單變量時(shí)間序列低維聚類,說明了多變量時(shí)間序列聚類的合理性。通過對比基于相空間重構(gòu)的多變量預(yù)測與單變量預(yù)測,表明了前者比后者預(yù)測效果更好,誤差更少,精度更高。在多變量預(yù)測收盤價(jià)方面,稀疏LASSO比SVR和ARIMA的預(yù)測精度高,更利于解釋模型,更能捕捉到時(shí)間序列的波動(dòng)趨勢。投資組合交易策略的確定,可以使投資者減少風(fēng)險(xiǎn)和得到高利潤率。
【關(guān)鍵詞】：高維聚類 相空間重構(gòu) 支持向量回歸機(jī) LASSO算法 交易策略
【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】：2015
【分類號(hào)】：F830.91;F224
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-13
• 1.1 選題背景及研究意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.3 研究目標(biāo)、內(nèi)容及方法11
• 1.4 本文創(chuàng)新之處11-12
• 1.5 本文組織結(jié)構(gòu)12-13
• 第二章 基礎(chǔ)知識(shí)13-45
• 2.1 聚類分析13-21
• 2.1.1 傳統(tǒng)聚類14-17
• 2.1.1.1 K均值14-17
• 2.1.1.2 層次聚類17
• 2.1.2 其他聚類17-21
• 2.1.2.1 基于降維的聚類18-21
• 2.1.2.2 子空間聚類21
• 2.2 時(shí)間序列分析21-25
• 2.2.1 時(shí)間序列的分類21-23
• 2.2.2 單變量線性時(shí)間序列預(yù)測模型23
• 2.2.3 單變量非線性時(shí)間序列預(yù)測模型23-25
• 2.3 相空間重構(gòu)25-30
• 2.3.1 G-P法26-27
• 2.3.2 C-C法27-29
• 2.3.3 多變量時(shí)間序列的相空間重構(gòu)29-30
• 2.4 遺傳算法30-35
• 2.4.1 遺傳算法的介紹30-31
• 2.4.2 遺傳算法的算子31-33
• 2.4.2.1 選擇算子31
• 2.4.2.2 交叉算子31-32
• 2.4.2.3 變異算子32-33
• 2.4.3 遺傳算法的流程33-34
• 2.4.4 遺傳算法的參數(shù)34-35
• 2.5 支持向量回歸機(jī)SVR35-42
• 2.5.1 支持向量回歸機(jī)原理35-41
• 2.5.2 支持向量回歸機(jī)的核函數(shù)41-42
• 2.6 LASSO算法42-43
• 2.7 交易策略43-44
• 2.8 本章小結(jié)44-45
• 第三章 高維聚類、CC-GA-SVR與LASSO45-59
• 3.1 數(shù)據(jù)預(yù)處理46-48
• 3.2 聚類選出投資組合48-54
• 3.3 基于遺傳算法的相空間重構(gòu)和SVR預(yù)測54-55
• 3.4 LASSO55-57
• 3.5 確定交易策略57-58
• 3.6 本章小結(jié)58-59
• 第四章 研究結(jié)果和分析59-68
• 4.1 相空間重構(gòu)的結(jié)果59-61
• 4.2 基于相空間重構(gòu)的多變量與單變量時(shí)間序列預(yù)測的對比61
• 4.3 LASSO與其他兩個(gè)方法的對比61-65
• 4.4 短期交易策略的確定65-67
• 4.5 本章小結(jié)67-68
• 結(jié)論68-69
• 參考文獻(xiàn)69-72
• 攻讀博士/碩士學(xué)位期間取得的研究成果72-73
• 致謝73-74
• 附件74

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王東霞;張楠;路曉麗;;基于育種算法的SVM參數(shù)優(yōu)化[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

2 盧小麗;;四川省農(nóng)村居民生活消費(fèi)增長分析及預(yù)測——基于Markov預(yù)測和ARMA模型[J];安徽農(nóng)業(yè)科學(xué);2012年21期

3 張建玲;林苗苗;劉建華;申國華;;時(shí)間序列季節(jié)調(diào)整方法在氣象要素預(yù)測中的應(yīng)用分析[J];現(xiàn)代農(nóng)業(yè)科技;2009年23期

4 周銳;朱祖林;;基于成績庫的遠(yuǎn)程學(xué)習(xí)者流失預(yù)測決策樹的應(yīng)用研究[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年02期

5 路曉瑋;;我國進(jìn)出口總額的時(shí)間序列分析[J];北方經(jīng)濟(jì);2007年06期

6 季越江;呂佳;;基于聚類分析的客戶細(xì)分研究[J];辦公自動(dòng)化;2009年08期

7 許子君;杜秋;欒超;;Apriori改進(jìn)算法在軍隊(duì)院校干部考核中的應(yīng)用[J];兵工自動(dòng)化;2012年03期

8 馬猛;鈕俊清;寧巖;鄭浩然;王煦法;;聚類和關(guān)聯(lián)規(guī)則挖掘在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[J];北京生物醫(yī)學(xué)工程;2008年04期

9 鄭繼剛;楊玲;楊春華;曾慶紅;趙若男;;網(wǎng)絡(luò)入侵分析關(guān)聯(lián)規(guī)則挖掘系統(tǒng)設(shè)計(jì)[J];保山學(xué)院學(xué)報(bào);2011年05期

10 于洪;諶強(qiáng);;一種結(jié)合K-Means的層次化的搜索結(jié)果聚類方法[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 劉樂平;劉旭;逯敏;;保險(xiǎn)公司的全面風(fēng)險(xiǎn)管理——基于風(fēng)險(xiǎn)偏好度量視角[A];十二五·新挑戰(zhàn)：經(jīng)濟(jì)社會(huì)綜合風(fēng)險(xiǎn)管理——北大賽瑟（CCISSR）論壇文集·2011[C];2011年

2 張乃岳;張力;張學(xué)燕;;基于字段匹配的CRM數(shù)據(jù)挖掘算法與應(yīng)用[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 梁青艷;孫彥廣;顧佳晨;薛俊鵬;孫要奪;;基于灰色時(shí)序組合模型的高爐熱風(fēng)爐煤氣消耗量的預(yù)測[A];全國冶金自動(dòng)化信息網(wǎng)2009年會(huì)論文集[C];2009年

4 曹暉;司剛?cè)?張彥斌;賈立新;;基于聚類分析的模糊控制算法在制粉系統(tǒng)中的應(yīng)用[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

5 曹暉;司剛?cè)?張彥斌;賈立新;;基于模糊時(shí)序數(shù)據(jù)挖掘的火電廠制粉系統(tǒng)優(yōu)化算法[A];2007'儀表，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

6 潘國林;楊帆;;數(shù)據(jù)挖掘算法在保險(xiǎn)客戶分析中的應(yīng)用[A];全國第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊）[C];2009年

7 曾建華;周騫;;中國證券市場中小企業(yè)板指數(shù)的價(jià)格傳導(dǎo)效應(yīng)分析[A];第三屆（2008）中國管理學(xué)年會(huì)論文集[C];2008年

8 陳峻;趙歡歡;;基于實(shí)驗(yàn)分析的城市停車到達(dá)率和離去率的關(guān)聯(lián)特性[A];2008第四屆中國智能交通年會(huì)論文集[C];2008年

9 于曉梅;王紅;;基于雙向支持度排序的Eclat改進(jìn)算法[A];山東計(jì)算機(jī)學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

10 艾明華;;山東省經(jīng)濟(jì)增長與能源消費(fèi)關(guān)系的實(shí)證研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 韓道;基于人體和小動(dòng)物數(shù)據(jù)庫的生理組M3L平臺(tái)構(gòu)建[D];華中科技大學(xué);2010年

2 吳學(xué)雁;金融時(shí)間序列模式挖掘方法的研究[D];華南理工大學(xué);2010年

3 周鵬;臺(tái)灣財(cái)政收支與經(jīng)濟(jì)增長關(guān)系研究[D];南開大學(xué);2010年

4 徐河杭;面向PLM的數(shù)據(jù)挖掘技術(shù)和應(yīng)用研究[D];浙江大學(xué);2010年

5 韓燕清;中藥治療多囊卵巢綜合征文獻(xiàn)數(shù)據(jù)庫的建立及中藥療效的數(shù)據(jù)分析[D];北京中醫(yī)藥大學(xué);2011年

6 于宏波;陽痿腎陽虛證癥狀規(guī)律及其轉(zhuǎn)錄組特征研究[D];成都中醫(yī)藥大學(xué);2011年

7 彭佳揚(yáng);代謝網(wǎng)絡(luò)中功能模塊挖掘和進(jìn)化分析研究[D];中南大學(xué);2011年

8 何賢芒;隱私保護(hù)中k-匿名算法和匿名技術(shù)研究[D];復(fù)旦大學(xué);2011年

9 薛永剛;人民幣匯率及其波動(dòng)實(shí)證研究[D];華南理工大學(xué);2011年

10 梁成軍;網(wǎng)球技戰(zhàn)術(shù)決策支持系統(tǒng)研究與應(yīng)用[D];上海體育學(xué)院;2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉建東;基于Web訪問信息挖掘的數(shù)字圖書館個(gè)性化服務(wù)研究[D];浙江理工大學(xué);2010年

2 吳正娟;特征變換在組合分類中的應(yīng)用研究[D];鄭州大學(xué);2010年

3 樊碧波;基于全矢譜的故障預(yù)測關(guān)鍵技術(shù)研究[D];鄭州大學(xué);2010年

4 段志峰;具有最佳預(yù)測的多通道水質(zhì)監(jiān)測儀系統(tǒng)設(shè)計(jì)[D];鄭州大學(xué);2010年

5 琚長濤;一種帶有聚類功能的邊界檢測算法的研究[D];鄭州大學(xué);2010年

6 孔祥婧;世界干散貨船訂單量的波動(dòng)及其預(yù)測研究[D];哈爾濱工程大學(xué);2010年

7 王勇;一種面向隱私保護(hù)的分布式數(shù)據(jù)流挖掘算法[D];哈爾濱工程大學(xué);2010年

8 徐艷紅;基于傾斜時(shí)間窗口的頻繁項(xiàng)集挖掘算法研究[D];哈爾濱工程大學(xué);2010年

9 張強(qiáng);網(wǎng)絡(luò)安全態(tài)勢評(píng)估與預(yù)測技術(shù)研究[D];哈爾濱工程大學(xué);2010年

10 侯宗仁;TD-SCDMA網(wǎng)絡(luò)性能分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2010年

  本文關(guān)鍵詞：基于多變量相空間重構(gòu)的投資組合策略研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：398593