基于行为特征和分形降维的股价趋势预测方法研究

发布时间：2017-10-30 20:39

  本文关键词：基于行为特征和分形降维的股价趋势预测方法研究

  更多相关文章： 股价预测 行为特征 分形降维 特征选择 支持向量机

【摘要】：随着机器学习和人工智能的飞速发展,这些技术被越来越多地应用在金融领域中的股票市场上。在大部分股价预测研究中,股票指标被广泛地应用在各种预测模型中。作为一个统计学的范畴,股票指标根据一定的数学统计方法,使用统计学数值来论证股价和买卖的趋向,证券市场上已有相当数量的股票指标,本文在股票指标基础上提取新的行为特征用以预测股价趋势。目前有很多相关的研究使用股票指标数值通过机器学习方法来预测股价趋势,然而其中大部分研究只是把重点放在预测模型本身的改进上,并没有对作为输入特征的股票指标做进一步的分析,仅仅把这些股票指标的数值单纯地作为模型的输入特征,而没有考虑到指标当初被设计时的使用方式。为了提高股价预测模型的学习效率和预测效果,本文采用指标统计分析手段优化行为导向的股票指标特征,并使用分形降维算法,发现其中冗余的股票指标,削减噪声特征。部分行为导向的指标,即指标的数值大小并无意义,只有指标函数表现出穿插等特定的行为时才具有实际意义,如KDJ指标。针对这样的行为导向指标,本文采用对指标间行为量化的方法,达到优化指标的目的。本文实验验证优化后的行为导向指标具备更好的区分度和预测能力。在指标降维方面,对于传统的降维方法如奇异值分解(SVD),其降维结果会破坏原数据集,难以对降维后的数据进行分析。因此针对股票指标特征集合这种特殊的数据集,本文改进了一种基于分形维度的降维算法以适应较大规模的股票指标数据集的运算,并在此基础上实现了股票指标筛选。通过实验对比,新的分形降维算法表现出较好的性能,降维结果与SVD相近,并且在降维的基础上能够保留相对重要的股票指标。本文实验数据来自1991年至2015年的A股2000多只股票的日级交易数据集。本文使用优化后的行为特征指标以及基于分形维度的特征选择算法,在支持向量机预测模型上的预测效果要优于采用行为量化特征前和分形降维特征选择算法前的预测效果,分别有将近1%以及3%左右的提升。
【关键词】：股价预测 行为特征 分形降维 特征选择 支持向量机
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP181
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-15
• 1.1 课题研究背景及意义9-10
• 1.2 国内外研究现状及分析10-13
• 1.2.1 股价预测方法的研究现状10-11
• 1.2.2 分形降维方法的研究现状11-12
• 1.2.3 国内外文献综述的简析12-13
• 1.3 本文主要研究内容13
• 1.4 本文的结构13-15
• 第2章 股票指标的特征提取方法研究15-28
• 2.1 行为类型特征提取15-23
• 2.1.1 MACD行为特征指标的分析与设计15-18
• 2.1.2 KDJ行为特征指标的分析与设计18-20
• 2.1.3 MA行为特征指标的分析与设计20-23
• 2.2 数值类型特征提取23-25
• 2.2.1 成交量相关特征23-24
• 2.2.2 价格震荡相关特征24-25
• 2.3 指标特征的评价及筛选25-27
• 2.4 本章小结27-28
• 第3章 基于分形维度的特征选择算法28-42
• 3.1 基于数据集的分形维度相关概念29-30
• 3.1.1 分形维度基本概念29-30
• 3.1.2 分形维度在数据集上的应用30
• 3.2 基于分形维度的降维实现30-35
• 3.2.1 分形维度计算方法30-32
• 3.2.2 基于网格迭代的算法32-34
• 3.2.3 基于位置定位的算法34-35
• 3.3 股票特征的筛选方法35-37
• 3.4 特征筛选效果对比实验37-41
• 3.4.1 CBF与LBF算法对比实验37-38
• 3.4.2 分形降维特征选择算法实验与分析38-41
• 3.5 本章小结41-42
• 第4章 基于行为特征的股价预测实验与分析42-55
• 4.1 股价预测实验平台架构42-43
• 4.2 股价预测实验平台的设计与实现43-48
• 4.2.2 数据抓取模块43-44
• 4.2.3 数据预处理模块44-45
• 4.2.4 指标特征计算模块45-47
• 4.2.5 分形降维模块47
• 4.2.6 支持向量机模块47-48
• 4.3 股价预测实验的设计与流程48-49
• 4.4 实验结果及数据分析49-53
• 4.4.1 模型参数的影响分析49-51
• 4.4.2 行为指标观察窗口参数的影响分析51-52
• 4.4.3 预测窗口的影响分析52-53
• 4.5 本章小结53-55
• 结论55-57
• 参考文献57-62
• 致谢62

【相似文献】

中国期刊全文数据库 前10条

1 冯怀成;;网络流量的单分形和多分形特性研究[J];中国高新技术企业;2007年03期

2 张森文,张强;分形理论在农业与食品系统中的应用综述(英文)[J];农业工程学报;2002年05期

3 刘孝贤,赵青;基于分形的中国沿海省区海岸线复杂程度分析[J];中国图象图形学报;2004年10期

4 陈志成;何华灿;毛明毅;;基于泛逻辑的分形与混沌逻辑初探[J];计算机科学;2004年06期

5 郑永丽;李辉智;伍亚舟;易东;;多神经元活性的小波分形识别研究[J];激光杂志;2006年04期

6 周峰;;一种3D分形树的仿真实现[J];科技资讯;2011年28期

7 周光召;;编者的话[J];科学;1990年02期

8 孟宪国;地球科学定量化的新工具——分形理论[J];地球科学;1991年03期

9 王一平;黄际英;;分形散射概述[J];电波科学学报;1992年01期

10 刘晓;;分形理论[J];航空计算技术;1993年04期

中国重要会议论文全文数据库 前10条

1 谢淑云;鲍征宇;贾先巧;;地球化学场的分形与多重分形研究[A];固体地球系统复杂性与地质过程动力学学术讨论会论文摘要集[C];2004年

2 张宏伟;卢国斌;郭嗣宗;;分形理论在活动构造研究中的应用[A];新世纪岩石力学与工程的开拓和发展——中国岩石力学与工程学会第六次学术大会论文集[C];2000年

3 王兴元;满永奎;蔡胜乐;;心率涨落中分形机制的研究[A];1996中国控制与决策学术年会论文集[C];1996年

4 李雯静;毋河海;龙毅;;制图综合中地图目标的分形衰减现象分析[A];中国地理信息系统协会第八届年会论文集[C];2004年

5 王珍岩;高抒;黄海军;;数盒子法应用于分形分维数测算的不确定性分析—粗视化方法的影响[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

6 方崇惠;雒文生;;应用分形理论进行洪水分期研究[A];中国水力发电工程学会水文泥沙专业委员会第六届学术讨论会论文集[C];2005年

7 王萍;王仁芳;方文军;;仿生分形表面对神经胶质细胞体外生长的影响[A];第二届中国医学细胞生物学学术大会暨细胞生物学教学改革会议论文集[C];2008年

8 张森文;雷勇波;黄素清;;分形与混沌理论在多学科中的应用[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

9 李志芳;李晖;;生物组织光学性质的分形近似[A];中国光学学会2006年学术大会论文摘要集[C];2006年

10 耿林;张晨新;;一种新型分形印刷振子的设计[A];2009年全国微波毫米波会议论文集（上册）[C];2009年

中国重要报纸全文数据库 前3条

1 于凌云;分形理论在经济研究中的应用及优势[N];光明日报;2006年

2 中国社会科学院财贸系李建军范力;股市分析新方法：分形理论[N];中国信息报;2002年

3 陆彦文;“生”的科学含义[N];人民日报海外版;2002年

中国博士学位论文全文数据库 前7条

1 廖熠;基于分形的地形图像表面重建研究[D];西北工业大学;2006年

2 蒋新;硅胶粒子分形聚集过程研究及白碳黑产品开发[D];浙江大学;1995年

3 王玉玲;基于分形分布的金融风险及投资决策研究[D];天津大学;2011年

4 魏进武;基于分形的网络流量建模及排队性能研究[D];解放军信息工程大学;2006年

5 孙梅玉;基于分形的非平稳时间序列挖掘关键技术研究[D];东华大学;2009年

6 黄静静;基于扩散熵的时间序列分析[D];北京交通大学;2015年

7 陈明;基于分形理论的岩矿光谱模型研究[D];华中科技大学;2010年

中国硕士学位论文全文数据库 前10条

1 刘同川;微分形貌检测技术研究[D];山东大学;2015年

2 王宏全;分形布朗运动驱动的随机偏微分泛函方程的吸引子存在性[D];辽宁师范大学;2015年

3 陈奎;雷电先导分形模型及高速铁路高架桥区段接触网引雷特性的研究[D];西南交通大学;2016年

4 张余娟;一类新的有理分形样条及形状数据的可视化[D];山东大学;2016年

5 杨毅;几种典型分形基底上受限固—固模型生长表面粗糙度及极值高度的数值模拟研究[D];中国矿业大学;2016年

6 张陶;混合分形布朗运动模型在期权定价中的应用[D];华中师范大学;2016年

7 喻彩云;评估用户网络影响力价值的分形维方法及其应用研究[D];合肥工业大学;2016年

8 梁鸿斌;一种海面上的可穿戴分形天线设计[D];中国科学技术大学;2016年

9 陈煜华;基于行为特征和分形降维的股价趋势预测方法研究[D];哈尔滨工业大学;2015年

10 孔彤;小波分析在分形信号中的应用研究[D];重庆理工大学;2011年

，

本文编号：1119211