本文關(guān)鍵詞：基于灰色馬爾可夫鏈理論的股市分析

  更多相關(guān)文章： 馬爾可夫鏈 股價預(yù)測 遺傳算法 加權(quán)

【摘要】：為了更準確預(yù)測股價,本文結(jié)合灰色系統(tǒng)理論、馬爾可夫鏈理論,建立了灰色馬爾可夫預(yù)測模型,并將加權(quán)的思想融入其中,進一步改進了灰色馬爾可夫預(yù)測模型,并做了實證分析。實證分析結(jié)果證明改進后的加權(quán)灰色馬爾可夫模型有更好的預(yù)測效果和預(yù)測性能。利用該模型做股票價格預(yù)測能夠為投資者們提供部分的投資參考作用。 本文首先詳細地介紹了灰色系統(tǒng)和馬爾可夫鏈的基本理論知識,分析了灰色預(yù)測模型和馬爾可夫預(yù)測模型的特點和適用范圍：應(yīng)用灰色系統(tǒng)理論建立的灰色系統(tǒng)預(yù)測模型所需信息少,便于計算,預(yù)測精度高。但主要是對小數(shù)據(jù)建模有較好的準確性,數(shù)據(jù)序列的預(yù)測精度會隨著隨機波動性的增大而下降。而馬爾可夫鏈理論的研究對象是隨機變化的動態(tài)系統(tǒng),更加適用于預(yù)測那些隨機波動比較大的隨機過程,并且馬爾可夫預(yù)測模型更加適用于大樣本數(shù)據(jù)的預(yù)測。但其缺點是該模型不僅要求預(yù)測對象具有馬氏性,而且要求預(yù)測數(shù)據(jù)序列要服從一定的典型分布。然而,對于具有很少信息的系統(tǒng)來說,是難以確定數(shù)據(jù)預(yù)測序列是服從什么分布的。所以,本文將灰色預(yù)測模型和馬爾可夫預(yù)測模型合理的結(jié)合起來,讓雙方的優(yōu)勢互補,應(yīng)用灰色預(yù)測模型來反映預(yù)測數(shù)據(jù)序列的總的發(fā)展趨勢,然后再在對數(shù)據(jù)進行趨勢化處理的基礎(chǔ)上應(yīng)用馬爾可夫預(yù)測模型,形成一個灰色馬爾可夫預(yù)測模型。 其次,文章改進了灰色馬爾可夫預(yù)測模型,建立了加權(quán)灰色馬爾可夫預(yù)測模型。本文中提出的灰色加權(quán)馬爾可夫預(yù)測模型的加權(quán)方法與以往不同,提出了一種新的基于遺傳算法的加權(quán)方法。文章最后一部分是實證分析部分,作者運用改進前的灰色馬爾可夫預(yù)測模型來預(yù)測股票價格,而且運用改進后的加權(quán)灰色馬爾可夫預(yù)測模型預(yù)測股票價格,將兩種模型下的預(yù)測結(jié)果和預(yù)測性能作比較,得出改進后的加權(quán)灰色馬爾可夫模型有更好的預(yù)測效果和預(yù)測性能。利用該模型做股票價格預(yù)測能夠為投資者們提供部分的投資參考作用。
【關(guān)鍵詞】：馬爾可夫鏈 股價預(yù)測 遺傳算法 加權(quán)
【學(xué)位授予單位】：北方工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O211.62;F830.91
【目錄】：

• 摘要3-4
• ABSTRACT4-6
• 目錄6-8
• 1 緒論8-13
• 1.1 研究背景8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-11
• 1.2.1 股價預(yù)測的研究現(xiàn)狀9
• 1.2.2 灰色馬爾可夫預(yù)測模型的研究現(xiàn)狀9-11
• 1.3 研究內(nèi)容及意義11-12
• 1.4 小結(jié)12-13
• 2 灰色系統(tǒng)理論概述13-19
• 2.1 灰色系統(tǒng)的基本原理13-14
• 2.2 灰色系統(tǒng)的基本概念14
• 2.3 灰色預(yù)測模型14-18
• 2.3.1 GM(1,1)模型15-16
• 2.3.2 GM(1,1)模型的精度驗證16-18
• 2.4 小結(jié)18-19
• 3 馬爾可夫鏈的理論基礎(chǔ)19-27
• 3.1 馬爾可夫鏈的概念及轉(zhuǎn)移概率19-22
• 3.2 馬爾可夫鏈的狀態(tài)分類22-24
• 3.3 馬爾可夫鏈的狀態(tài)分解24-25
• 3.4 馬爾可夫鏈的平穩(wěn)分布25-26
• 3.5 小結(jié)26-27
• 4 灰色馬爾可夫預(yù)測模型27-31
• 4.1 建立GM(1,1)模型27-28
• 4.2 系統(tǒng)狀態(tài)劃分28
• 4.3 隨機變量序列的馬氏性檢驗28-29
• 4.4 計算初始概率29
• 4.5 計算狀態(tài)轉(zhuǎn)移概率矩陣29-30
• 4.6 利用狀態(tài)轉(zhuǎn)移概率矩陣進行預(yù)測30
• 4.7 小結(jié)30-31
• 5 灰色加權(quán)馬爾可夫預(yù)測模型31-35
• 5.1 遺傳算法31-33
• 5.2 加權(quán)馬爾可夫預(yù)測的權(quán)重遺傳優(yōu)化33-34
• 5.3 小結(jié)34-35
• 6 灰色加權(quán)馬爾可夫預(yù)測模型在股價預(yù)測中的應(yīng)用35-49
• 6.1 用GM(1,1)模型預(yù)測股票價格大致走勢35-37
• 6.1.1 數(shù)據(jù)預(yù)處理35
• 6.1.2 用GM(1,1)模型模擬預(yù)測值35-36
• 6.1.3 GM(1,1)模型預(yù)測結(jié)果的檢驗36-37
• 6.2 系統(tǒng)狀態(tài)劃分37-38
• 6.3 隨機變量序列的馬氏性檢驗38-39
• 6.4 狀態(tài)轉(zhuǎn)移概率矩陣的計算39-46
• 6.4.1 計算不加權(quán)灰色馬爾可夫鏈的狀態(tài)轉(zhuǎn)移概率矩陣39-40
• 6.4.2 計算加權(quán)灰色馬爾可夫鏈的狀態(tài)轉(zhuǎn)移概率矩陣40-46
• 6.5 根據(jù)狀態(tài)轉(zhuǎn)移概率矩陣進行預(yù)測46-48
• 6.6 小結(jié)48-49
• 結(jié)論49-50
• 參考文獻50-54
• 附錄54-65
• 申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文65-66
• 致謝66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 劉亞非;陳燕武;;試析黃金市場的灰色——馬爾可夫預(yù)測[J];企業(yè)導(dǎo)報;2011年20期

2 儲小俊;劉思峰;;基于新陳代謝GM-Markov模型的股價預(yù)測[J];山東財政學(xué)院學(xué)報;2007年03期

3 夏樂天;彭志行;沈永梅;;加權(quán)馬爾可夫鏈在農(nóng)作物年景預(yù)測中的應(yīng)用[J];數(shù)學(xué)的實踐與認識;2005年12期

4 潘海澤;黃遠春;汪磊;劉仍奎;胥耀方;;基于灰色GM(1,1)和灰色-馬爾可夫模型的軌道幾何不平順預(yù)測及應(yīng)用研究[J];鐵道標準設(shè)計;2010年10期

5 陳有孝,林曉言;灰色——馬爾可夫鏈改進的預(yù)測方法[J];統(tǒng)計與決策;2005年16期

6 黃敏珍;馮永冰;;基于灰色-馬爾可夫鏈的區(qū)域物流需求預(yù)測[J];統(tǒng)計與決策;2009年16期

，

本文編號：681974