金融时间序列关键事件的渐近统计算法研究

发布时间：2024-05-28 19:48

　　低频、可靠的预测买入或卖出的关键交易事件,是实现金融交易高回报、低风险的有效途径。金融序列的过去值对未来值有直接或者间接的影响,这导致了关键交易事件具有上下文依赖性,交易关键点在相对应的上下文子序列中才有意义。本文首先从价格相对强弱指数RSI和交易量相对强弱指数RSI中提取不同特征组成辅助序列R。根据辅助序列R,定义了圆弧底形态RB和圆弧顶形态RT上下文子序列和其中的关键交易点,并设计相应分割算法自动分割获得RB和RT上下文子序列和相应的交易关键点。金融市场的波动性和噪音导致交易关键点是随机的,我们需要对其随机性进行研究才能做出可靠预测。基于测度理论,本文提出了一个事件映射模型来正式定义这种随机性,并将序列中的交易点通过映射函数在一个低维和规范化的度量空间Q中进行表示,将交易关键点的预测问题转化为度量空间Q中关键事件的预测问题。根据测度理论,当映射函数是单调的时候,关键事件发生的概率可以通过Q中嵌套的随机事件的概率来近似。由于关键交易事件的稀疏性,本文设计基于LSTM的神经网络模型来学习这个事件映射函数,在训练过程中,把获得的上下文子序列分割成不同的数据块,和对应的交易关键点组成新的训...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 关于价格趋势的预测
        1.2.2 关于交易信号的预测
        1.2.3 关于交易行为的预测
    1.3 本文的主要工作和组织结构
第2章 上下文子序列分割算法
    2.1 辅助序列R的定义
    2.2 上下文子序列定义
    2.3 上下文子序列的生成算法
    2.4 分割结果展示
    2.5 本章小结
第3章 渐近统计学习算法
    3.1 事件映射模型
    3.2 不平衡数据
    3.3 神经网络设计
        3.3.1 目标函数设计
        3.3.2 网络结构设计
    3.4 渐近统计学习算法ASL
    3.5 算法ASL收敛性分析
    3.6 本章小结
第4章 基于上下界的渐近统计学习算法
    4.1 上下界估计定义
    4.2 上下界逼近渐近统计学习算法UL-ASL
    4.3 算法UL-ASL收敛性分析
    4.4 本章小结
第5章 实验结果与分析
    5.1 实验设置
        5.1.1 数据集
        5.1.2 评估指标
        5.1.3 参数设置
    5.2 实验结果分析
    5.3 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 未来研究工作
参考文献
指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：3983641