重复剪辑近邻法股票价格预测

发布时间：2020-03-18 21:35

【摘要】：证券市场是一个公认的呈现高度复杂性的非线性系统,预测难度很大。传统的聚类分析方法遇到强有力的挑战,如对高维空间的稀疏数据以及不规则分布具有任意形状数据的分析。近邻法由于在理论上进行了深入地分析,直至现在仍是模式识别非参数法中最重要的方法之一,包括基于各种特定度量的最近邻法和K近邻法。传统近邻分类算法应用于证券价格预测时,需要在样本间进行大量的比较,占用巨大的存储空间和计算时间,并且当决策错误产生的代价很大时,会导致较大的风险。剪辑近邻法通过一系列算法改进,避免了通常计量经济模型中特异数据影响模型参数的现象,同时克服了普通近邻算法计算和存储量大的的主要缺点,部分解决了当数据维数过高时可能发生维数灾难的难题。本文针对证券价格日常波动的技术特征建立模型,试图在对大量原始数据的重复剪辑近邻法迭代预处理过程中,逐级筛选出对于聚类效果最显著的特征数据或其组合,逐步分离出混合在原始数据中的噪声和不确定因素,寻找最能反映股价波动规律的主导型变量和因素,在保证一定的预测正确率的同时尽量减少计算量,得到数量较少的对应于各类别的代表性样本,完成对输入数据空间的分割,从而实现对于任何未知样本都可以采用某种度量方式找到已知代表样本中与其最相似的样本,据以完成类别归属判断,最终实现预测。本文采用重复剪辑和增加拒绝决策功能的改进算法进行预测,并结合中国沪深证券市场个股交易资料进行实证检验。结果表明和普通算法相比,预测正确率有明显提高。本文通过对参数取值及其组合对预测结果影响的讨论和算法的局部改进,从一个较新的角度得出一些有意义的结论。实证分析表明,运用具有拒绝决策功能的重复剪辑近邻算法,对指导广大投资者进行投资决策具有很强的实用性。
【图文】：

西南交通大学硕士研究生学位论文第2个规则的证明是显而易见的，图2.6表示一待识样本及其当样本子集的关系。如果以X为圆心，B为半径作圆，则圆与。的分布圆形区域不会相交，，因而娇中任一样本不可能比X的靠近X。
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：F224;F830.91

【参考文献】

相关期刊论文 前10条

1 魏峰,佘传奇;证券技术分析何以预测[J];安徽农业大学学报(社会科学版);2002年04期

2 程启月,邱菀华;证券市场耗散结构及涨落分析[J];北京航空航天大学学报(社会科学版);2001年01期

3 许双魁;证券投资分析中的数学理论[J];宝鸡文理学院学报(自然科学版);1999年01期

4 胡杉杉,党佳瑞,蓝柏雄;中国证券市场的可预测性研究[J];财经科学;2001年03期

5 唐俊,宋逢明;证券咨询机构选股建议的预测能力分析[J];财经论丛(浙江财经学院学报);2002年01期

6 张潜,高立群;基于小波分析理论的证券投资市场预测[J];东北大学学报;2002年06期

7 唐应辉,李攀峰,杨晋浩;均线形态组合在证券分析中的应用[J];电子科技大学学报;2002年01期

8 杨德权,杨德礼,胡运权;动态组合证券投资决策非线性递推规划模型[J];大连理工大学学报;2000年05期

9 周焯华,陈文南,张宗益;聚类分析在证券投资中的应用[J];重庆大学学报(自然科学版);2002年07期

10 王硕,唐小我,曾勇;基于加速遗传算法的组合证券投资决策[J];中国工程科学;2002年09期

本文编号：2589221