基于分段线性表示和高斯过程分类的股票转折点概率预测

发布时间：2017-10-17 19:05

  本文关键词：基于分段线性表示和高斯过程分类的股票转折点概率预测

  更多相关文章： 分段线性表示 高斯过程分类 股票交易信号 概率预测 投资策略 风险偏好

【摘要】：针对股票交易过程中价格转折点的预测问题,提出了一种基于分段线性表示(PLR)与高斯过程分类(GPC)相结合的股票价格转折点预测算法PLR-GPC。该算法通过PLR提取股票历史价格序列的转折点,对转折点进行分类标记,建立基于GPC的股票价格转折点预测模型,以上述股票历史价格序列对模型进行训练,最终由预测模型对股票价格转折点进行预测,并对预测结果进行概率解释。将PLR-GPC与基于BP神经网络(BPN)的PLR-BPN算法、基于加权支持向量机支持向量机(WSVM)的PLR-WSVM算法进行实验对比:PLR-GPC在预测准确率上高于PLRBPN与PLR-WSVM;在投资收益率上高于PLR-BPN,与PLR-WSVM持平。实验结果表明PLR-GPC在股票价格转折点的预测上是有效的,并且可以应用在实际股票投资交易中。
【作者单位】： 西安交通大学系统工程研究所;西安交通大学电气工程学院;
【关键词】： 分段线性表示 高斯过程分类 股票交易信号 概率预测 投资策略 风险偏好
【基金】：国家自然科学基金资助项目(61221063,U1301254,61473218) 国家863计划项目(2012AA011003) 国家“111引智计划”项目
【分类号】：F832.51;O211.61
【正文快照】： 0引言时间序列的分析预测问题一直是一个研究热点,在时间序列问题中金融股票价格的分析和预测是一个重要的研究领域。现有对股票价格的预测研究主要有两种方法[1-2]:一种是关注短期内股票价格变化的预测,该研究方法不仅需要解决数据高频变化带来的问题,同时在实际应用中不适合

【参考文献】

中国期刊全文数据库 前2条

1 李振刚;;基于高斯过程回归的网络流量预测模型[J];计算机应用;2014年05期

2 张毅;刘睿;罗元;;基于支持向量机多分类的眼电辅助肌电的人机交互[J];计算机应用;2014年11期

【共引文献】

中国期刊全文数据库 前8条

1 吴萌;徐全智;;支持向量机在金融时间序列预测中的应用[J];电子科技大学学报;2007年S1期

2 王平;张贵生;;时间相关性经验知识与SVM的融合方法研究[J];计算机仿真;2012年03期

3 周磊;;基于粗糙集和支持向量机的股指期货预测模型研究[J];山东科学;2010年05期

4 汤凌冰;盛焕烨;汤凌霄;;Forecasting of Stock Returns by Using Manifold Wavelet Support Vector Machine[J];Journal of Shanghai Jiaotong University(Science);2010年01期

5 黎金玲;李亚楠;郭海湘;胡敬炉;;一种加权的支持向量机及其在储层识别中的应用[J];数学的实践与认识;2014年07期

6 汤凌冰;盛焕烨;汤凌霄;;股票收益预测模型的比较与选择[J];湖南科技大学学报(自然科学版);2009年02期

7 陈钟国;;混合多个SVR模型的金融时间序列预测[J];微型电脑应用;2013年03期

8 李纪真;孟相如;温祥西;康巧燕;;萤火虫群算法优化高斯过程的网络安全态势预测[J];系统工程与电子技术;2015年08期

中国博士学位论文全文数据库 前5条

1 李晟;视觉假体装置模型建立及视觉信息处理研究[D];上海交通大学;2011年

2 方先明;商业银行信用风险预警管理系统研究[D];河海大学;2004年

3 陈花;基于复杂网络的股票之间有向相关性研究[D];北京邮电大学;2012年

4 吴亚军;基于非线性方法和VaR的均线交易系统研究[D];哈尔滨工业大学;2014年

5 郑毅;时间序列数据分类、检索方法及应用研究[D];中国科学技术大学;2015年

中国硕士学位论文全文数据库 前10条

1 汪顺伟;基于PCA-BP模型的上证综指预测研究[D];西南石油大学;2011年

2 李春伟;基于神经网络与遗传算法的股票智能预测[D];西北工业大学;2005年

3 戴丹;BP神经网络用于市场预测的研究[D];武汉理工大学;2006年

4 张虹;基于NN-GARCH模型的中国沪深300指数实证研究[D];天津财经大学;2007年

5 王平;经验知识与支持向量机的融合技术研究[D];山西大学;2007年

6 刘慧;基于BP神经网络的新股定价问题研究[D];武汉理工大学;2008年

7 康军;基于径向基函数神经网络的应用研究[D];湖南师范大学;2009年

8 黄朋朋;基于支持向量机的股价反转点预测研究[D];复旦大学;2010年

9 侯效永;多尺度时间序列预测[D];苏州大学;2013年

10 何建;金融市场已实现波动率预测研究[D];浙江工商大学;2013年

【二级参考文献】

中国期刊全文数据库 前10条

1 温祥西;孟相如;马志强;张永春;;小时间尺度网络流量混沌性分析及趋势预测[J];电子学报;2012年08期

2 张涛;任志良;孙常存;李耀波;;基于小波包分解和样本熵的电磁干扰分析方法[J];海军工程大学学报;2011年05期

3 夏春明;杨正宜;曹炜;曹恒;;基于肌音信号的虚拟假肢控制[J];华东理工大学学报(自然科学版);2010年04期

4 姚奇富;李翠凤;马华林;张森;;灰色系统理论和马尔柯夫链相结合的网络流量预测方法[J];浙江大学学报(理学版);2007年04期

5 王俊松;高志伟;;基于RBF神经网络的网络流量建模及预测[J];计算机工程与应用;2008年13期

6 罗峗骞;夏靖波;王焕彬;;混沌-支持向量机回归在流量预测中的应用研究[J];计算机科学;2009年07期

7 周晓蕾;王万良;陈伟杰;;基于小波变换和优化的SVM的网络流量预测模型[J];计算机应用与软件;2011年02期

8 宋晓萍;胡常安;;离散杂草优化算法在0/1背包问题中的应用[J];计算机工程与应用;2012年30期

9 熊南;刘百芬;;基于自适应粒子群优化LSSVM的网络流量在线预测[J];计算机应用与软件;2013年09期

10 邓蕊;马永军;刘尧猛;;基于改进交叉验证算法的支持向量机多类识别[J];天津科技大学学报;2007年02期

【相似文献】

中国期刊全文数据库 前10条

1 苏明礼;;非平稳高斯过程的最大值的渐近性质[J];东北师大学报(自然科学版);1983年02期

2 谢盛荣;标准非平稳高斯过程的逗留极限定理[J];西南师范大学学报(自然科学版);1991年01期

3 谢盛荣;一类高斯过程在高水平u上的逗留[J];科学通报;1998年13期

4 任彦荣;陈绍成;邹晓川;田菲菲;周鹏;;采用高斯过程模拟预测域/肽识别和相互作用[J];中国科学:化学;2012年08期

5 徐业基;关于平稳高斯过程的谱函数估计的渐近性质[J];数学学报;1983年04期

6 刘辉;白峰杉;;基于混合高斯过程模型的高光谱图像分类算法[J];高校应用数学学报A辑;2010年04期

7 谢盛荣;关于平稳高斯过程的上穿过期望次数的几点注记[J];数学研究与评论;1996年02期

8 谢盛荣;方差具有有限个极大点的高斯过程之极值逗留[J];应用数学学报;1997年01期

9 郑建青;;大增量平稳高斯过程的极限行为(英文)[J];宁波大学学报(理工版);2007年01期

10 陈振龙,刘禄勤;d维平稳高斯过程的极函数及其相关维数[J];武汉大学学报(理学版);2002年03期

中国重要会议论文全文数据库 前7条

1 刘信恩;肖世富;莫军;;用于不确定性分析的高斯过程响应面模型设计点选择方法研究[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

2 刘冬;张清华;;基于高斯过程的精密卫星钟差加密[A];第二届中国卫星导航学术年会电子文集[C];2011年

3 李雅芹;杨慧中;;一种基于仿射传播聚类和高斯过程的多模型建模方法[A];2009中国过程系统工程年会暨中国mes年会论文集[C];2009年

4 赵级汉;张国敬;姜龙;魏巍;;基于叠加高斯过程的数字噪声产生方法FPGA实现[A];第二十四届全国空间探测学术交流会论文摘要集[C];2011年

5 何志昆;刘光斌;姚志成;赵曦晶;;基于高斯过程回归的FOG标度因数温度漂移建模新方法[A];第25届中国控制与决策会议论文集[C];2013年

6 单志辉;刘学军;吕宏强;;高斯过程回归在翼型气动性能快速评估中的应用[A];探索 创新 交流（第4集）——第四届中国航空学会青年科技论坛文集[C];2010年

7 闫国启;刘学军;吕宏强;;基于多输出高斯过程回归的飞机翼型快速设计[A];探索 创新 交流——第五届中国航空学会青年科技论坛文集(第5集)[C];2012年

中国博士学位论文全文数据库 前4条

1 潘伟;基于高斯过程的高炉炼铁过程辨识与预测[D];浙江大学;2012年

2 贺建军;基于高斯过程模型的机器学习算法研究及应用[D];大连理工大学;2012年

3 夏战国;基于高斯过程的提升机轴承性能评测方法研究[D];中国矿业大学;2013年

4 赵伟;复杂工程结构可靠度分析的高斯过程动态响应面方法研究[D];广西大学;2014年

中国硕士学位论文全文数据库 前10条

1 申倩倩;基于高斯过程的在线建模问题研究[D];华南理工大学;2011年

2 朱江;单任务以及多任务稀疏高斯过程[D];华东师范大学;2014年

3 黄荣清;基于稀疏高斯过程回归的半监督分类的序贯训练方法[D];华东师范大学;2012年

4 魏三喜;基于高斯过程的分类算法及其应用研究[D];华南理工大学;2012年

5 雷鸣;基于高斯过程的变形预测算法研究[D];东华理工大学;2013年

6 张寅;用于回归预测的高斯过程模型研究[D];河北工业大学;2014年

7 庄超;基于高斯过程回归的强化学习算法研究[D];苏州大学;2014年

8 万玲;基于高斯过程的时间序列分类[D];中国矿业大学;2014年

9 周楠;基于高斯过程机器学习方法的证券预测模型研究[D];电子科技大学;2012年

10 李剑英;改进高斯过程的硫化矿石自燃倾向性等级分类[D];辽宁工程技术大学;2012年

，

本文编号：1050516