基于K-means聚类的马尔可夫过程在股价趋势预测中的应用

发布时间：2020-05-17 01:39

【摘要】： 证券市场是个复杂且难以预测的系统,影响股价变动的因素非常多,是个典型非结构性及非线性的系统。现在大多数股市分析人员采用基本分析法或技术分析法预测股市的走势。随着时代的发展,数学越来越多地被运用到金融当中,目前,在股票市场的预测中被广泛使用的数量分析预测方法主要有神经网络、灰色系统、时间序列模型以及组合模型预测等等,但这些预测方法都不适应事物的无后效性。因此,本文旨在通过马尔可夫链的相关方法,对我国股票市场进行实证研究,探讨我国股票市场的股票价格涨跌趋势,寻找我国股市行情变化的规律,为投资者提供相关的参考模型。 本文从数学和统计学的角度对股票价格指数的预测分析作些探索性研究,利用马尔可夫链无后效性、不需要从复杂的预测因子中寻找各因素之间的相互规律、只需要考虑事件本身的历史状况、通过计算状态转移概率来预测内部状态的变化等特点,构建由K-means聚类方法得到四个状态的模型,对上证股票价格指数的未来趋势进行预测,最终得到了较为满意的结论。 本文首次将数据挖掘的聚类分析和马尔科夫预测模型结合起来应用到股价预测当中。针对股票的波动性聚类现象,运用数据挖掘的K-means聚类方法对样本进行聚类,得到股价序列的四类特征曲线,并将其作为马尔可夫预测所需的状态划分,同以往的文献简单的将股价划分成几个区间从而得到状态划分的方法有所不同,这是本文的一个创新点。
【图文】：

华 中 科 技 大 学 硕 士 学 位 论 文到了学者和股票投资者的欢迎。马尔可夫模型的关键在于状态的划分，本文打破以往学者的区间划分和模糊状态的划分，利用数据挖掘中的聚类技术可用于解决高维数据的分类问题、具有分类速度快、精度高、生成的模式简单、过程透明等特点根据投资者的不同的投资需要适当调整样本对股价状态进行聚类。本文的组织结构图如图 1.1 所示：

1E 4 11 27 62E 7 2 6 273E 14 21 52 144E 23 8 16 61.1 显然可得各状态之间的转移次数矩阵，，如下( ) =×23816611421521472627411276mmijn态之间的转移次数矩阵易得到一次转移概率矩阵0.0833 0.2292 0.5625 0.12500.1667 0.0476 0.1429 0.64290.1386 0.2079 0.5149 0.13860.2130 0.0741 0.1481 0.5648P =
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F224;F830.91

【参考文献】

相关期刊论文 前8条

1 夏景明,肖冬荣,夏景虹,贾佳;灰色神经网络模型应用于证券短期预测研究[J];工业技术经济;2004年06期

2 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期

3 李庆东;聚类分析在股票分析中的应用[J];辽宁石油化工大学学报;2005年03期

4 汪淼,罗剑;运用马尔科夫预测法构建股价预测模型[J];经济师;2005年01期

5 陈海明,李东;灰色预测模型在股票价格中的应用[J];科研管理;2003年02期

6 余敏,岑咏霆,王清科,王世明;上证指数、深圳指数预测的马尔柯夫链预测模糊模型[J];数学的实践与认识;2003年09期

7 陈建华;;马尔可夫链模型及其应用研究[J];科技资讯;2007年14期

8 胡锡健,韩东,朱维宝;股票价格的回归—马氏链分析与预测[J];预测;1997年05期

相关博士学位论文 前1条

1 孙玉芬;基于网格方法的聚类算法研究[D];华中科技大学;2006年

相关硕士学位论文 前6条

1 侯雅文;基于隐马尔可夫模型的股票价格指数预测[D];暨南大学;2007年

2 邓嘉兴;基于多重分形理论的股价波动研究及预测[D];暨南大学;2007年

3 张琛;一种改进的模糊马尔可夫链状预测模型与应用研究[D];辽宁工程技术大学;2007年

4 王建伟;基于小波分析和神经网络的股价预测方法研究[D];北京工业大学;2004年

5 吴志华;基于知识发现的时序数据挖掘算法研究[D];华北工学院;2002年

6 张宗国;马尔可夫链预测方法及其应用研究[D];河海大学;2005年

本文编号：2667704