沪深300指数的组合预测模型研究

发布时间：2017-07-30 14:07

  本文关键词：沪深300指数的组合预测模型研究

  更多相关文章： 沪深300指数 预测 集合经验模型分解 支持向量回归 多重共线性诊断 变量选择

【摘要】：沪深300指数代表了中国股市的整体情况,反映了我国经济发展的总体趋势。同时,沪深300指数是第一个反映中国证券市场总体风貌的股价指数,可以用于观察股票市场的走势,为个人投资者提供重要标准。所以,沪深300指数的精确预测值,无论对政府监管还是个人投资者都具有重大意义。本文主要目的是建立一个集沪深300指数影响因素分析、数据噪声消除、输入变量选择及支持向量机为一体的组合预测模型。针对金融时间序列典型非线性并且含有噪声的特点,本文使用集合经验模型分解算法(EEMD)来提取并消除数据的噪声,同时采用具有强大非线性建模能力的支持向量回归(SVR)。为了避免影响变量过少而存在的片面性,本文尽可能多地选取了影响变量。但是过多的影响变量会产生重复信息,重复信息使用方差膨胀因子方法(VIF)诊断并删除。同时,针对我国股市易受政策影响,导致股市数据波动剧烈,采用了基于属性熵的多变量数据异常值诊断方法(ODAE)。最后,为了简化模型结构和加快计算速度,本文还使用了适合非线性模型的变量筛选方法,平均影响值方法(MIV)。根据这些策略本文建立一个合理的和科学的符合我国股市特征的预测模型,ODAE-VIF-EEMD-MIV-SVR模型。在实证分析中,数据时间范围是2010年4月16日到2014年12月31日,其中训练集时间从2010年4月16日到2013年12月31日；测试集时间从2014年1月2日到2014年12月31日。实证结果表明：(1)ODAE-VIF-EEMD-MIV-SVR预测性能最好,其平均百分误差(MAPE)、平均绝对误差(MAE)、归一化均方误差(NMSE)和协议指数(IA)分别为1.3860、26.3832、3.6667*104和0.9916。盒须图分析结果表明,其相对误差是一个均值为0的白噪声序列；(2)各策略对组合预测算法贡献度从大到小的顺序为：VIF重复信息处理方法,EEMD去噪,ODAE异常值诊断,MIV输入变量选择；(3)预测结果对沪深300指数期货的涨和跌的正确率接近60%,具有一定的参考价值。
【关键词】：沪深300指数 预测 集合经验模型分解 支持向量回归 多重共线性诊断 变量选择
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 中文摘要3-4
• Abstract4-7
• 第一章 绪论7-16
• 1.1 选题背景和选题意义7-8
• 1.1.1 选题背景7
• 1.1.2 选题意义7-8
• 1.2 国内外研究现状8-12
• 1.3 研究思路与方法12-14
• 1.4 结构安排和创新点14-16
• 1.4.1 结构安排14
• 1.4.2 创新点14-16
• 第二章 模型预测与市场形势的关系16-17
• 2.1 市场形势与投资分析有效性关系16-17
• 2.2 技术预测的可行性分析17
• 第三章 我国股价数据特点及相应的处理方法17-24
• 3.1 股市数据的特点17-18
• 3.2 数据跳跃现象的处理策略—异常值判断18-20
• 3.3 数据含有噪声的处理策略—集合经验模型分解20-22
• 3.4 数据非线性的预测策略—支持向量机22-24
• 第四章 组合预测模型24-27
• 4.1 重复信息处理25
• 4.2 变量选择方法25-27
• 4.3 组合模型结果评价指标27
• 第五章 沪深300指数预测的实证研究27-50
• 5.1 数据来源及数据预处理28-30
• 5.1.1 数据来源28-29
• 5.1.2 数据预处理29-30
• 5.2 数据描述性统计分析30-34
• 5.2.1 原始数据的基本分析30-32
• 5.2.2 相关性分析32-34
• 5.3 组合预测结果展示34-39
• 5.3.1 异常值判断34-35
• 5.3.2 重复信息处理35
• 5.3.3 去噪结果35-37
• 5.3.4 变量选择结果37-38
• 5.3.5 预测结果38-39
• 5.4 预测结果分析39-42
• 5.4.1 整体拟合度分析39-40
• 5.4.2 相对误差分析40-41
• 5.4.3 预测结果的列联表分析41-42
• 5.5 组合预测模型与非完全组合预测模型的对比42-50
• 5.5.1 组合预测模型中各策略影响分析42-47
• 5.5.2 列联表分析47-50
• 第六章 总结和展望50-52
• 6.1 总结50-51
• 6.2 展望51-52
• 参考文献52-56
• 在学期间的研究成果56-57
• 致谢57

【参考文献】

中国期刊全文数据库 前1条

1 张亦春,周颖刚;中国股市弱式有效吗?[J];金融研究;2001年03期

，

本文编号：594555