本文主要利用隱馬爾可夫模型,從技術(shù)分析和基本分析兩方面研究了中國(guó)證券市場(chǎng)的證券價(jià)格預(yù)測(cè)和證券選擇問(wèn)題.從技術(shù)分析的層面出發(fā),首先選取了市場(chǎng)指數(shù)或個(gè)股每天的收盤(pán)價(jià)、開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)作為隱馬爾可夫模型的觀測(cè)序列,利用歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,得到模型的最優(yōu)隱狀態(tài)個(gè)數(shù)和相關(guān)參數(shù),結(jié)合滾動(dòng)窗口建立了一種預(yù)測(cè)股票價(jià)格的隱馬爾可夫模型.其次,利用測(cè)試集對(duì)模型進(jìn)行檢驗(yàn),檢驗(yàn)結(jié)果表明模型具有很好的預(yù)測(cè)能力.另外,根據(jù)預(yù)測(cè)模型建立了一種投資策略進(jìn)行模擬投資并取得了良好的經(jīng)濟(jì)效益.相似地從基本分析的層面出發(fā),選取每股收益、凈資產(chǎn)收益率、營(yíng)業(yè)利潤(rùn)率和銷售凈利潤(rùn)率財(cái)務(wù)指標(biāo)作為觀測(cè)序列,利用財(cái)務(wù)數(shù)據(jù)建立預(yù)測(cè)公司財(cái)務(wù)狀況的隱馬爾可夫模型,并且進(jìn)行了模型的有效性檢驗(yàn).其次,構(gòu)建了財(cái)務(wù)狀況下的投資策略并進(jìn)行模擬投資,投資結(jié)果顯示此模型和投資策略具有很好的營(yíng)利性. 

【文章來(lái)源】：鄭州大學(xué)河南省 211工程院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

1隱馬爾可夫模型狀態(tài)變遷圖

加,得到我們所要預(yù)測(cè)的價(jià)格. +1= + ( +1 ) (2.2.19)第五步：當(dāng)接收到觀測(cè)數(shù)據(jù)時(shí),將它們包含在數(shù)據(jù)集中,并再次對(duì)模型進(jìn)行訓(xùn)練以進(jìn)行進(jìn)一步的預(yù)測(cè).過(guò)程如下圖所示：

第二章基于技術(shù)分析的模型構(gòu)建和實(shí)證研究交易日的收盤(pán)價(jià),是歷史交易數(shù)據(jù)中與最相近的價(jià)格數(shù)據(jù)模式,+1指觀測(cè)數(shù)據(jù)所在交易日的下一天.用預(yù)測(cè)股票價(jià)格的具體步驟如下圖所示：圖2.2.2預(yù)測(cè)價(jià)格步驟圖例如某支股票的股價(jià)如下表所示：表2.2.1股票價(jià)格預(yù)測(cè)日期開(kāi)盤(pán)價(jià)收盤(pán)價(jià)最高價(jià)最低價(jià)2018/9/2711.6411.7211.9111.62017/5/2211.5711.6711.7911.522017/5/2311.6511.7511.8911.612018年9月27日的收盤(pán)價(jià)所在的窗口和2017年5月22日的收盤(pán)價(jià)所在窗口的似然函數(shù)值最接近,2017年5月23日收盤(pán)價(jià)比2017年5月22日的收盤(pán)價(jià)高出0.08元,因此,據(jù)此推算2018年9月28日的收盤(pán)價(jià)為11.72+0.08=11.80.2.2.5預(yù)測(cè)精度檢測(cè)本文用絕對(duì)平均誤差（/）作為模型預(yù)測(cè)精21

【參考文獻(xiàn)】：
期刊論文
[1]上市企業(yè)財(cái)務(wù)報(bào)表分析——以浙江躍嶺股份有限公司為例[J]. 高雪春,付磊.  現(xiàn)代商業(yè). 2019(27)
[2]多時(shí)間尺度時(shí)間序列趨勢(shì)預(yù)測(cè)[J]. 王金策,鄧越萍,史明,周云飛.  計(jì)算機(jī)應(yīng)用. 2019(04)
[3]基于隱馬爾可夫模型在股票擇時(shí)上的應(yīng)用與研究[J]. 王曠羽.  電腦編程技巧與維護(hù). 2018(04)
[4]論每股收益在上市公司盈利能力分析中的局限性[J]. 舒聲.  廣東開(kāi)放大學(xué)學(xué)報(bào). 2017(05)
[5]基于HMM的VaR風(fēng)險(xiǎn)度量及其實(shí)證分析[J]. 汪金菊,吳燕飛,王楊.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(05)
[6]在部分信息下股票收益服從隱馬爾科夫模型的最優(yōu)交易策略[J]. 李鈺,費(fèi)為銀,石學(xué)芹,李娟.  東華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(06)
[7]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)
[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]基于小波域隱馬爾可夫模型的時(shí)間序列分析-平滑、插值和預(yù)測(cè)[J]. 張冬青,韓玉兵,寧宣熙,劉雪妮.  中國(guó)管理科學(xué). 2008(02)
[10]股票價(jià)格預(yù)測(cè)的最優(yōu)選擇模型[J]. 賀本嵐.  統(tǒng)計(jì)與決策. 2008(06)

博士論文
[1]基于隱馬爾可夫模型和計(jì)算智能的股票價(jià)格時(shí)間序列預(yù)測(cè)[D]. 李嵩松.哈爾濱工業(yè)大學(xué) 2011

碩士論文
[1]基于廣度學(xué)習(xí)的股票波動(dòng)預(yù)測(cè)模型的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李奕萱.北京郵電大學(xué) 2019
[2]基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的證券選擇[D]. 李雙雙.鄭州大學(xué) 2019
[3]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
[4]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
[5]基本面與技術(shù)面相結(jié)合的A股量化選股模型設(shè)計(jì)[D]. 李雪蓮.河北經(jīng)貿(mào)大學(xué) 2015
[6]中國(guó)股票市場(chǎng)的基本面與技術(shù)面聯(lián)合估價(jià)研究[D]. 何錚.湖南大學(xué) 2013
[7]基于支持向量機(jī)的上市公司成長(zhǎng)性研究[D]. 劉海旆.南京財(cái)經(jīng)大學(xué) 2006



本文編號(hào)：3364775