数据挖掘方法在沪深300指数收益率波动预测的应用研究

发布时间：2020-05-22 07:30

【摘要】： 中国的证券市场经过了十几年的迅猛发展,吸引了越来越多的投资者将资金投入到了证券市场当中,想要从中获得巨大的回报。同时在近几年,数据挖掘技术也取得了巨大的进步,它具有在海量数据中发掘潜在的信息的能力,被广泛的进行运用,尤其运用在证券领域中。 沪深300指数从2005年成立以来,就成为了一个能够表现出上海和深圳股指的良好的指数。选择标准是规模大,流动性好的股票,覆盖了沪深两市达到60%以上的市值,又是即将推出的股指期货的标的物。而对股指收益率的预测可以从两个角度入手:从收益率的来源看,影响股票的收益率的来源可以从外部环境、监管部门、上市公司的基本面、投资者的行为、技术分析、相关投资品价格等角度进行分析。从波动的时间序列特性上来看,股票收益率的时间序列除了具有非线性,非平稳性的一般时间序列所具有的特性之外,还具有尖峰厚尾、高噪音、波动聚集性等特征。因此对股票的收益率的时间序列的预测更具有难度和挑战性,并具有很广泛的应用价值和广阔的市场前景。 针对上面的两个角度,本文尝试着利用数据挖掘方法进行了分析预测。首先从上述的六个波动来源找到一些具有代表性的指标,利用数据挖掘中的Logistic,决策树和神经网络方法对股指的未来的走势进行了分析和预测。并找到了波动率来源的一些特点,并发现神经元网络在预测的效果良好。随后利用BP神经网络中的自适应、自学习、非线性的优化与GARCH模型中的刻画时间序列中自相关性、波动聚集性、尖峰厚尾性的特性相结合。建立了BP—AR—GARCH模型,在预测中取得了良好的效果。
【图文】：

个阶段的顺序是不固定的，，我们经常需要前后调整这些阶段。它是一个多次反复、多次调整、不断修订完善的过程。cRlsP一。M的数据挖掘流程如图3一2所示:外圈象征数据挖掘自身的循环本质一一在一个解决方案发布之后一个数据挖掘的过程才可以继续。在这个过程中得到的知识可以触发新的，经常是更聚焦的商业问题。后续的过程可以从前一个过程得到益处。图3一 2cRlsp一。M的数据挖掘流程资料来源:数据挖掘在信用卡业务中的应用研究I48]

行建模分析。LogistiC建模中采用的方法是多项式进入法。具体的建模步骤如下:(1)将训练数据集作为构建模型数据源，测试数据集作为测试模型数据集。(2)设置输入、输出字段属性:见图4一1所示，在类型节点类型方向项中进行选择，涨跌为输出变量，将其余的12个字段为输入字段。(3)设置建模参数:见图4一2所示，在Mode!选项卡中，变量输入方式为进入法，其他为默认。在Expert选项卡中，选择专家模式及输出选项中的全部选项，其余为默认。(4)构建模型。(5)利用测试数据集对模型进行测试。(6)重新抽取数据集
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：F224;F832.51

【参考文献】

相关期刊论文 前8条

1 王春峰,张庆翠;中国股市波动性过程中的长期记忆性实证研究[J];系统工程;2004年01期

2 陶庆梅;;ANN-GARCH混合模型的理论尝试[J];工业技术经济;2005年09期

3 曾勇,唐小我;人工神经网络在资本市场预测中的应用[J];管理工程学报;1999年04期

4 殷洪才;赵春燕;王佳秋;;模糊神经网络在股票市场预测中的应用[J];哈尔滨理工大学学报;2007年04期

5 李济生;;中国股市波动影响因素分析[J];哈尔滨商业大学学报(社会科学版);2006年02期

6 刘潭秋;谢赤;;基于GARCH模型与ANN技术组合的汇率预测[J];科学技术与工程;2006年23期

7 叶东毅,刘文标;径向基函数神经网络在股票走势模式分类中的应用[J];运筹与管理;1999年03期

8 魏巍贤,周晓明;中国股票市场波动的非线性GARCH预测模型[J];预测;1999年05期

相关硕士学位论文 前2条

1 潘林;基于小波分析与神经网络的股票市场预测应用研究[D];武汉理工大学;2006年

2 林香;证券分析中数据挖掘模型的研究及应用[D];厦门大学;2007年

本文编号：2675653