基于深度卷积模糊系统模型的股价预测研究
发布时间：2021-03-05 09:06
经济预测问题是经济学家探究的永恒课题,但是经济预测问题是一项极具挑战性的任务。其中,股票市场作为反映一个国家宏观经济的“晴雨表”,在国民经济中起着至关重要的支撑作用。关于股票价格的预测问题一直是许多学者、投资者重点关注的研究方向。因此,研究股票价格的可预测性具有重要意义。本文通过对国内外文献梳理,对比分析了股票价格的可预测性与不可预测性两个不同的观点,并以股票价格的可预测性观点为出发点研究投资者行为对股价的影响并预测股价的变化。本文基于行为金融学相关的经典理论并结合技术分析理论、混沌分形理论,分析了股价的表现特征,结合技术分析方法剖析了与股价变化相关的价量技术分析指标,并逐一分析了每个价量技术分析指标与投资者行为的关系;其次,本文基于价量技术分析指标,利用拉普拉斯评分算法构建投资者行为指标;最后,以量化分析为理念,通过深度卷积模糊系统模型（deep convolutional fuzzy system model简称DCFS）,利用构建的投资者行为指标对股价预测,并根据预测结果检验投资者行为指标的预测性能。本文选取了沪深300指数的日开盘价、收盘价、最高价、最低价、成交量等价量技术分析...
【文章来源】：西北师范大学甘肃省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
技术路线图
32同，羊群行为的产生导致股票的需求与供给进一步增加或减少，股票价格会再度上涨或下跌，从而强化现有的股价运行趋势，在此情况下，投资者心理预期就会被不断证实，投资者会大量购买或抛售股票，造成股价的大幅度涨跌。股价的异常波动会强化投资者买卖股票的交易行为，根据维基百科对股价异常波动的界定：股价在三个交易日累积的振幅达到15%以上时就会发生，即股价在三日内的平均振幅至少为5%。如图4-1所示，沪深300指数在2015年6月至8月时经历的异常波动，当股价指数向下跌幅超过5%时，投资者心理预期就会被进一步证实，投资者心理预期行为趋同将会导致股价指数的持续性下跌，但是，这个过程不会一直持续，当股价触底后则会反弹，股票价格将会产生新的动态均衡。图3-1沪深300指数跌幅大于5%的情形除此之外，投资者非理性行为特征的锚定效应表明，在买卖股票的交易过程中，某只股票从较高的起始价开始达成的最终成交价要高于从较低的起始价开始达成的最终成交价，因此，投资者在某一时刻购买正在上涨趋势的股票时认为市场最终会给予其较高的定价。因此，锚定效应导致的结果是投资者会倾向于追涨，增加对正在处于上涨趋势中股票的需求量，这将会进一步推动股价上涨现象的发生。反之，这将会刺激投资者在运用其他趋势策略时做出类似的行为，如此循环，最终股价在某一时点上将保持平稳状态，达到新的动态均衡。无论在股价下跌过程中还是在上涨过程中，由市场情绪所驱使的投资者行为会打破股票的供求均衡，即当股票的需求增加时，股票价格上升，非理性投资行为也显著提高，投资者对股票的需求随之增加，供求缺口进一步扩大，股价再度上升，即股价越涨就越刺激投资者对股票的需求欲望，营造一种虚假的繁荣，市
38图4-1DCFS模型结构图其中DCFS的输入向量是高维数据集，输出为标量（一个多输出DCFS可以设计为多个单输出DCFS）。第级（=1,2...L-1）是由模糊系统（=1，2...）组成,每一层输出可以表示为级的输入。顶级L的输出结果是由的输出结合L-1级中的输出结果。，(=1,2，…)的输入集是通过一个长度为m的移动窗口(卷积运算符)从上一层输出中选择得出的，具体运算规则为：1=(11，，1)(4.1)2=(21，，+11)(4.2)=(1，，+11)(4.3)1+1=(1+11，，11)(4.4)
【参考文献】：
期刊论文
[1]基于ARIMA模型的证券利率时间序列研究预测[J]. 吕淑睿. 科技经济导刊. 2019(14)
[2]基于非线性时间序列模型的股票分析与预测[J]. 常月,冯宇旭,曹显兵. 数学的实践与认识. 2018(22)
[3]基于主成分分析与广义回归神经网络的股票价格预测[J]. 于卓熙,秦璐,赵志文,温馨. 统计与决策. 2018(18)
[4]基于深度学习的股价预测研究[J]. 刘震,王惠敏,华思瑜,陈育. 科技创新导报. 2018(13)
[5]基于“高送转”的我国创业板市场有效性实证检验[J]. 何智辉,宋文平. 中国物价. 2018(02)
[6]基于ARIMA模型的短期股票价格预测[J]. 吴玉霞,温欣. 统计与决策. 2016(23)
[7]机构投资者参与度对我国股票市场波动性的影响[J]. 孙英博,戎姝霖. 经济研究导刊. 2016(25)
[8]基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 张贵生,张信东. 中国管理科学. 2016(09)
[9]基于多元Hamacher-ANFIS的股票价格预测[J]. 张峰祎,廖志高. 数学的实践与认识. 2015(20)
[10]中国股市异常波动的特征分析[J]. 徐悦. 企业经济. 2013(04)
本文编号：3064943
【文章来源】：西北师范大学甘肃省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
技术路线图
32同，羊群行为的产生导致股票的需求与供给进一步增加或减少，股票价格会再度上涨或下跌，从而强化现有的股价运行趋势，在此情况下，投资者心理预期就会被不断证实，投资者会大量购买或抛售股票，造成股价的大幅度涨跌。股价的异常波动会强化投资者买卖股票的交易行为，根据维基百科对股价异常波动的界定：股价在三个交易日累积的振幅达到15%以上时就会发生，即股价在三日内的平均振幅至少为5%。如图4-1所示，沪深300指数在2015年6月至8月时经历的异常波动，当股价指数向下跌幅超过5%时，投资者心理预期就会被进一步证实，投资者心理预期行为趋同将会导致股价指数的持续性下跌，但是，这个过程不会一直持续，当股价触底后则会反弹，股票价格将会产生新的动态均衡。图3-1沪深300指数跌幅大于5%的情形除此之外，投资者非理性行为特征的锚定效应表明，在买卖股票的交易过程中，某只股票从较高的起始价开始达成的最终成交价要高于从较低的起始价开始达成的最终成交价，因此，投资者在某一时刻购买正在上涨趋势的股票时认为市场最终会给予其较高的定价。因此，锚定效应导致的结果是投资者会倾向于追涨，增加对正在处于上涨趋势中股票的需求量，这将会进一步推动股价上涨现象的发生。反之，这将会刺激投资者在运用其他趋势策略时做出类似的行为，如此循环，最终股价在某一时点上将保持平稳状态，达到新的动态均衡。无论在股价下跌过程中还是在上涨过程中，由市场情绪所驱使的投资者行为会打破股票的供求均衡，即当股票的需求增加时，股票价格上升，非理性投资行为也显著提高，投资者对股票的需求随之增加，供求缺口进一步扩大，股价再度上升，即股价越涨就越刺激投资者对股票的需求欲望，营造一种虚假的繁荣，市
38图4-1DCFS模型结构图其中DCFS的输入向量是高维数据集，输出为标量（一个多输出DCFS可以设计为多个单输出DCFS）。第级（=1,2...L-1）是由模糊系统（=1，2...）组成,每一层输出可以表示为级的输入。顶级L的输出结果是由的输出结合L-1级中的输出结果。，(=1,2，…)的输入集是通过一个长度为m的移动窗口(卷积运算符)从上一层输出中选择得出的，具体运算规则为：1=(11，，1)(4.1)2=(21，，+11)(4.2)=(1，，+11)(4.3)1+1=(1+11，，11)(4.4)
【参考文献】：
期刊论文
[1]基于ARIMA模型的证券利率时间序列研究预测[J]. 吕淑睿. 科技经济导刊. 2019(14)
[2]基于非线性时间序列模型的股票分析与预测[J]. 常月,冯宇旭,曹显兵. 数学的实践与认识. 2018(22)
[3]基于主成分分析与广义回归神经网络的股票价格预测[J]. 于卓熙,秦璐,赵志文,温馨. 统计与决策. 2018(18)
[4]基于深度学习的股价预测研究[J]. 刘震,王惠敏,华思瑜,陈育. 科技创新导报. 2018(13)
[5]基于“高送转”的我国创业板市场有效性实证检验[J]. 何智辉,宋文平. 中国物价. 2018(02)
[6]基于ARIMA模型的短期股票价格预测[J]. 吴玉霞,温欣. 统计与决策. 2016(23)
[7]机构投资者参与度对我国股票市场波动性的影响[J]. 孙英博,戎姝霖. 经济研究导刊. 2016(25)
[8]基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 张贵生,张信东. 中国管理科学. 2016(09)
[9]基于多元Hamacher-ANFIS的股票价格预测[J]. 张峰祎,廖志高. 数学的实践与认识. 2015(20)
[10]中国股市异常波动的特征分析[J]. 徐悦. 企业经济. 2013(04)
本文编号：3064943
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3064943.html
