涉农上市公司股票价格预测研究

发布时间：2017-12-29 06:32

  本文关键词：涉农上市公司股票价格预测研究　出处：《湖南农业大学》2015年硕士论文　论文类型：学位论文

  更多相关文章： 涉农上市公司 股票价格 农业政策 ARIMA SFS-BPNN

【摘要】：我国是一个农业大国,农业是我国国民经济的基础。涉农上市公司作为农业先进生产力的代表,它们的稳定和发展是促进农业发展的一个重要因素。而涉农上市公司的发展离不开证券市场的支持,因此,如何准确评估涉农上市公司的价值,并对其股票价格进行预测对经营者和投资者来说具有理论意义和应用价值。股票价格的影响因素众多,波动规律难寻,要做到精确预测难度较大。为了提高涉农上市公司股票价格的预测精度,本文主要从以下几个方面进行了研究：(1)农业政策对涉农上市公司股票价格的影响研究。首先,从宏观上分析了国家政策对股票价格的影响和农业政策对涉农上市公司股票价格的影响；接着,选取了近两年我国出台重大农业政策事件的发生时间为研究时段,并以金健米业、隆平高科等7支涉农企业为例,对比分析了农业政策出台时与出台前后这些企业股票价格涨幅情况的变化。结果显示,涉农上市公司股票价格对国家惠农政策存在显著反应。(2)基于ARIMA的涉农上市公司股票价格的一维时间序列预测研究。一维时间序列预测是通过历史观测值分析出各个时期观测值之间的规律从而对未来趋势进行预测。论文选用融合了时间序列和回归分析的ARIMA模型对大湖股份、金健米业、华升股份和新五丰4支涉农上市公司股票收盘价一维时间序列数据进行预测。结果显示,ARIMA对4支股票价格的预测平均相对误差均小于3%,其预测结果对股票走势的判断具有一定的指导意义。(3)基于SFS-BPNN的涉农上市公司股票价格的多维时间序列预测研究。在实际研究中,对股票价格的预测不仅要考虑其自身对未来趋势的影响,还应考虑周围其他外部因素的影响。论文通过实证研究与分析,选取了股票的今曰开盘价,今日最高价,今日最低价,今日收盘价,今日成交量,今日成交额,今日内地农业指数收盘价和今日农林指数收盘价等8个因子作为明日收盘价y的影响因子。考虑到8个因子之间存在信息冗余,论文提出基于SFS-BPNN新模型对股票价格进行预测。其具体步骤如下：先利用8个因子与y的相关系数值得到因子的重要性排序;再以顺序前向搜索策略(Sequential Forward Search, SFS)引入排序因子,并根据训练集后5个样本的BPNN预测精度去除冗余因子得保留因子；最后,基于BPNN和保留因子对测试集实施独立预测。对4支农企股票价格预测的结果表明,SFS-BPNN的预测精度优于BPNN和ARIMA模型的预测精度,该方法在涉农上市公司股票价格预测上有效合理,并对其他经济领域的价格预测研究提供有效的借鉴。
[Abstract]:......
【学位授予单位】：湖南农业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F324

【相似文献】

相关期刊论文 前10条

1 吴菊珍;徐晔;龚新桥;;灰色预测在股票价格预测中的应用[J];统计与决策;2007年01期

2 施航;马琳达;;人工神经网络在股票价格预测中的应用[J];电脑开发与应用;2007年09期

3 王晴;;组合模型在股票价格预测中应用研究[J];计算机仿真;2010年12期

4 胡俊;桂霏;杨桂元;;组合模型对股票价格预测的比较研究[J];重庆科技学院学报(社会科学版);2012年04期

5 刘小兰;;改进支持向量机的股票价格预测研究[J];农业网络信息;2012年09期

6 李忍东;饶佳艺;严亚宁;;基于智能计算的股票价格预测[J];科技通报;2013年04期

7 徐维维;高风;;灰色算法在股票价格预测中的应用[J];计算机仿真;2007年11期

8 朱嘉瑜;叶海燕;高鹰;;基于隐马尔可夫模型的股票价格预测组合模型[J];计算机工程与设计;2009年21期

9 王玲;;最优组合模型在证券市场预测中的应用研究[J];计算机仿真;2012年01期

10 刘斐弘;;神经网络在股票价格预测中的应用——基于三种网络的比较分析[J];时代金融;2012年15期

相关会议论文 前1条

1 于志军;杨善林;;基于误差校正的GARCH股票价格预测模型[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

相关硕士学位论文 前10条

1 程隆昌;灰色GM(1,2)模型在股票价格预测中的应用[D];天津财经大学;2015年

2 罗必辉;基于改进支持向量回归机的股价预测研究[D];重庆大学;2016年

3 罗超;涉农上市公司股票价格预测研究[D];湖南农业大学;2015年

4 沈志刚;支持向量回归机在股票价格预测中的分析与应用[D];暨南大学;2007年

5 吕欣;基于神经网络股票价格预测模型及系统的研究[D];吉林大学;2010年

6 高立刚;支持向量机及其在股票价格预测方面的应用[D];北京工业大学;2006年

7 胡艺博;基于小波—粒子滤波算法的股票价格预测研究[D];吉林大学;2008年

8 陈丽琼;函数型数据分析方法在股票价格预测上的应用[D];厦门大学;2014年

9 唐广宇;股票价格预测的时间序列组合模型方法[D];湘潭大学;2013年

10 张克宜;基于改进GM（1，N）和优化SVM组合模型的股票价格预测[D];哈尔滨工业大学;2013年

，

本文编号：1349223