基于时间序列分析的沪深300指数收盘价预测分析
发布时间：2021-08-25 17:32
处于经济信息中心位置的股票市场,经过一系列的交易,汇集了众多领域的商业信息,对股票的未来状况进行预测一直是股市参与者关注的热点。在股票的众多指标中,价格是最直接的指标之一。对股票价格进行预测对股市参与者有重要意义,一方面它能使投资者合理配置资源进行理性投资,另一方面它能促进股票价格合理波动,发挥经济晴雨表功能。但股票市场受诸多因素的影响,价格数据展现出非平稳、非线性、高度嘈杂等特征,如何合理运用这些特征找到合适方法进行预测始终是一个值得不断探索研究的问题。本文以沪深300指数日收盘价数据为研究对象,采用三种方式对其建模预测。一、对非平稳的收盘价数据建立ARIMA模型。收盘价经过一阶差分之后变为平稳时间序列,因此可以建立ARIMA模型进行预测。二、对非平稳的收盘价数据建立LSTM模型。不再关注收盘价数据是否平稳,选用对数据无要求的神经网络模型——长短时记忆网络进行预测。由于所研究对象为一维数据,因此预测窗口长度的选取由收盘价的自相关系数决定。三、对收盘价数据进行分解,建立LSTM-ARM4A模型。采用奇异谱分析将收盘价分解为相互独立的趋势项和波动项,趋势项非平稳,对其建立LSTM模型,波...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３．２．１－１循环神经网络典型结构示意图??
?山东大学硕士学位论文???看做是循环神经网络的一个隐藏单元。??在／时刻，输入层的输入信息尤被循环体Ａ读取，经过一系列处理，在输出层??输出一个值／７，，同时Ａ的状态值会从当前时刻传递到下一时刻。也就是说，Ａ的输??入除了来自输入层的输入数据，还有来自上一时刻Ａ的输出。理论上讲，一个完整??的循环神经网络可以看做是同一个网络结构被无限运行的结果。图３．２．１－２展示了将??图３．２．１－１按时间先后展开的样子。??？?？?？?？?？??Ａ?Ａ?丄?４．??＾?Ａ?＝?Ａ?￣？?Ａ?—？；?Ａ?＇?Ａ??ｄ）?ｄ）?ｄ）?…?（｜）??图３．２．１－２循环神经网络按时间先后展开图??３．２．２长短时记忆网络简介??尽管ＲＮＮ可以利用历史的信息来辅助当前的决策，但是＿的决策结果主要??还是依赖于最后一段时间内输入的信息，即对最后输入的一些信号记忆更深，更早??之前的信号会随着时间的推迟而变得强度越来越低、辅助的作用越来越弱。＿的??这种特性，引起了人们对长期依赖（Ｌｏｎｇ－Ｔｅｒｍ?Ｄｅｐｅｎｄｅｎｃｉｅｓ）问题的关注。长短时??记忆网络（Ｌｏｎｇ?Ｓｈｏｒｔ?Ｔｅｒｍ?Ｍｅｍｏｒｙ，ＬＳＴＭ）的出现，为长期依赖问题提供了解决??办法。??ＬＳＴＭ?结构由?Ｓｅｐｐ?Ｈｃｃｈｒｅｉｔｅｒ?和?Ｊｕｒｇｅｎ?Ｓｃｈｍｉｄｈｕｂｅｒ?于?１９９７?年提出，与普通的??ＲＮＮ相比，ＬＳＴＭ能够在数据量更大的序列中训练出更适宜的模型。??ＬＳＴＭ可以被归为门控ＲＮＮ类中，在一个整体的循环神经网络中，除了外部??的ＲＮＮ大循环（循环体是ＬＳＴＭ）外，还需要考虑ＬＳＴＭ本身单元“细胞”之间??的自循环，这个自
图３．２．２－１在ＲＮＮ中使用ＬＳＴＭ作为循环体??
【参考文献】：
期刊论文
[1]基于奇异谱对气象站点信号的自适应分析及短期预报[J]. 姜君. 工业控制计算机. 2019(08)
[2]基于奇异谱分析的短期电价预测[J]. 殷豪,曾云,孟安波,刘哲. 电力系统保护与控制. 2019(01)
[3]LSTM神经网络在股票价格趋势预测中的应用——基于美港股票市场个股数据的研究[J]. 邓凤欣,王洪良. 金融经济. 2018(14)
[4]一种基于时间序列分解的数据窃密事件检测方法研究[J]. 安冉,朱小波,严寒冰. 信息网络安全. 2017(08)
[5]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)
[6]一种时间序列分解的卫星周期性参数预测方法[J]. 周枫,皮德常. 计算机科学. 2016(02)
[7]ARIMA和RBF神经网络相融合的股票价格预测研究[J]. 俞国红,杨德志,丛佩丽. 计算机工程与应用. 2013(18)
[8]ARIMA模型在农产品价格预测中的应用[J]. 刘峰,王儒敬,李传席. 计算机工程与应用. 2009(25)
[9]ARIMA模型在深圳GDP预测中的应用[J]. 龚国勇. 数学的实践与认识. 2008(04)
[10]ARIMA模型在传染病发病率预测中的应用[J]. 吴家兵,叶临湘,尤尔科. 数理医药学杂志. 2007(01)
博士论文
[1]金融时间序列的长记忆特性及预测研究[D]. 王文静.天津大学 2009
硕士论文
[1]基于EEMDLSTM模型的沪深300指数预测研究[D]. 李晨亮.北京交通大学 2019
[2]基于奇异谱分析的ARMA-SVR模型在股指预测中的应用[D]. 袁金铭.山东大学 2019
[3]RNN神经网络在股票指数价格预测模型的研究与应用[D]. 柏万宽.重庆大学 2018
[4]中国股票市场的长期记忆性与趋势预测研究[D]. 张欠.暨南大学 2017
[5]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
本文编号：3362554
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３．２．１－１循环神经网络典型结构示意图??
?山东大学硕士学位论文???看做是循环神经网络的一个隐藏单元。??在／时刻，输入层的输入信息尤被循环体Ａ读取，经过一系列处理，在输出层??输出一个值／７，，同时Ａ的状态值会从当前时刻传递到下一时刻。也就是说，Ａ的输??入除了来自输入层的输入数据，还有来自上一时刻Ａ的输出。理论上讲，一个完整??的循环神经网络可以看做是同一个网络结构被无限运行的结果。图３．２．１－２展示了将??图３．２．１－１按时间先后展开的样子。??？?？?？?？?？??Ａ?Ａ?丄?４．??＾?Ａ?＝?Ａ?￣？?Ａ?—？；?Ａ?＇?Ａ??ｄ）?ｄ）?ｄ）?…?（｜）??图３．２．１－２循环神经网络按时间先后展开图??３．２．２长短时记忆网络简介??尽管ＲＮＮ可以利用历史的信息来辅助当前的决策，但是＿的决策结果主要??还是依赖于最后一段时间内输入的信息，即对最后输入的一些信号记忆更深，更早??之前的信号会随着时间的推迟而变得强度越来越低、辅助的作用越来越弱。＿的??这种特性，引起了人们对长期依赖（Ｌｏｎｇ－Ｔｅｒｍ?Ｄｅｐｅｎｄｅｎｃｉｅｓ）问题的关注。长短时??记忆网络（Ｌｏｎｇ?Ｓｈｏｒｔ?Ｔｅｒｍ?Ｍｅｍｏｒｙ，ＬＳＴＭ）的出现，为长期依赖问题提供了解决??办法。??ＬＳＴＭ?结构由?Ｓｅｐｐ?Ｈｃｃｈｒｅｉｔｅｒ?和?Ｊｕｒｇｅｎ?Ｓｃｈｍｉｄｈｕｂｅｒ?于?１９９７?年提出，与普通的??ＲＮＮ相比，ＬＳＴＭ能够在数据量更大的序列中训练出更适宜的模型。??ＬＳＴＭ可以被归为门控ＲＮＮ类中，在一个整体的循环神经网络中，除了外部??的ＲＮＮ大循环（循环体是ＬＳＴＭ）外，还需要考虑ＬＳＴＭ本身单元“细胞”之间??的自循环，这个自
图３．２．２－１在ＲＮＮ中使用ＬＳＴＭ作为循环体??
【参考文献】：
期刊论文
[1]基于奇异谱对气象站点信号的自适应分析及短期预报[J]. 姜君. 工业控制计算机. 2019(08)
[2]基于奇异谱分析的短期电价预测[J]. 殷豪,曾云,孟安波,刘哲. 电力系统保护与控制. 2019(01)
[3]LSTM神经网络在股票价格趋势预测中的应用——基于美港股票市场个股数据的研究[J]. 邓凤欣,王洪良. 金融经济. 2018(14)
[4]一种基于时间序列分解的数据窃密事件检测方法研究[J]. 安冉,朱小波,严寒冰. 信息网络安全. 2017(08)
[5]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)
[6]一种时间序列分解的卫星周期性参数预测方法[J]. 周枫,皮德常. 计算机科学. 2016(02)
[7]ARIMA和RBF神经网络相融合的股票价格预测研究[J]. 俞国红,杨德志,丛佩丽. 计算机工程与应用. 2013(18)
[8]ARIMA模型在农产品价格预测中的应用[J]. 刘峰,王儒敬,李传席. 计算机工程与应用. 2009(25)
[9]ARIMA模型在深圳GDP预测中的应用[J]. 龚国勇. 数学的实践与认识. 2008(04)
[10]ARIMA模型在传染病发病率预测中的应用[J]. 吴家兵,叶临湘,尤尔科. 数理医药学杂志. 2007(01)
博士论文
[1]金融时间序列的长记忆特性及预测研究[D]. 王文静.天津大学 2009
硕士论文
[1]基于EEMDLSTM模型的沪深300指数预测研究[D]. 李晨亮.北京交通大学 2019
[2]基于奇异谱分析的ARMA-SVR模型在股指预测中的应用[D]. 袁金铭.山东大学 2019
[3]RNN神经网络在股票指数价格预测模型的研究与应用[D]. 柏万宽.重庆大学 2018
[4]中国股票市场的长期记忆性与趋势预测研究[D]. 张欠.暨南大学 2017
[5]基于LSTM神经网络的美股股指价格趋势预测模型的研究[D]. 孙瑞奇.首都经济贸易大学 2016
本文编号：3362554
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3362554.html
