基于时间序列的股票价格分析研究与应用

发布时间：2017-03-30 10:13

  本文关键词：基于时间序列的股票价格分析研究与应用，由笔耕文化传播整理发布。

【摘要】：在当今经济快速发展的时代,股票已经成为了人们不断追求获得经济效益的一种手段,股票的深入人心,直接影响着经济的发展。股票价格的波动趋势是一个国家的政治、经济以及生活状况的综合反映。近几年,由于受到国际经济大环境的影响,如何准确分析股票市场的行情以及股价的波动趋势成为了重要的课题,准确的分析股市的行情,对于国家在经济上采取怎样的宏观调控以及投资者如何做出最优的决策,都有着十分重要的意义。股票的价格序列是一个十分复杂的非线性动态系统,传统式时间序列预测方法都是通过时间序列的统计关系来体现线性动态系统的特征以及变化,从而揭示内在的变化规律,对于股票这非线性动态系统来说,要进行准确的股票价格预测是很难完成的,因此时间序列模型在股票预测中有着重要的应用。本文对时间序列的相关理论进行了简单的介绍,对于各个预测模型进行了详细的研究,主要获得以下研究成果：(1)简单的介绍了时间序列和平稳时间序列的基本概念和性质,在传统AR以及MA模型中引进ARMA模型,详细介绍了ARMA型的基本原理和建模过程,并且对包钢股份这支股票进行了分析与预测,证明了实验结果的有效性。(2)对神经网络理论的定义进行了简单的介绍,之后重点介绍了BP神经网络的结构以及设计、BP算法,最后用BP算法对包钢股份这支股票收盘价的进行了拟合和预测,并且进行了误差分析。(3)利用ARMA口BP神经网络模型组合成了BP-ARMA模型,应用到股票的预测中,并且对预测的结果进行了对比与分析,实验结果表明,组合模型的预测精度明显高于单一的ARMA和BP神经网络模型,对于非线性的金融时间序列问题有着很好的应用。
【关键词】：时间序列 ARMA模型 BP神经网络 BP-ARMA模型 股票价格预测
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 课题的选取及意义9-11
• 1.2 国内外研究现状11-15
• 1.2.1 时间序列的发展历史和现状11-13
• 1.2.2 股票预测的发展和现状13-15
• 1.3 本文工作与结构安排15-17
• 1.3.1 本文主要工作15
• 1.3.2 本文结构安排15-17
• 2 时间序列的基本理论和模型17-28
• 2.1 平稳时间序列17-19
• 2.1.1 时间序列的概念17
• 2.1.2 平稳时间序列17-19
• 2.2 时间序列均值及自协方差估计19-22
• 2.2.1 相关系数和自相关函数19-20
• 2.2.2 均值估计20
• 2.2.3 自协方差函数的估计20-21
• 2.2.4 白噪声21-22
• 2.3 时间序列模型22-26
• 2.3.1 自回归模型22-23
• 2.3.2 滑动平均模型23-24
• 2.3.3 自回归滑动平均模型24-26
• 2.4 时间序列的预测26-28
• 3 ARMA模型在股票价格预测中的应用28-37
• 3.1 ARMA模型的基本原理28-31
• 3.1.1 平稳性28-29
• 3.1.2 ARMA模型的识别和定阶29-30
• 3.1.3 ARMA模型的参数估计30-31
• 3.1.4 ARMA模型检验31
• 3.2 ARMA模型的建模过程31-32
• 3.3 ARMA模型在股票价格预测中的应用32-33
• 3.4 实验结果与分析33-37
• 3.4.1 仿真实验33
• 3.4.2 实验结果分析33-37
• 4 BP神经网络在股票价格预测中的应用37-47
• 4.1 神经网络基本原理37-40
• 4.1.1 神经网络简介37
• 4.1.2 神经网络的发展过程37-38
• 4.1.3 人工神经元网络模型38-39
• 4.1.4 神经元网络的分类39-40
• 4.2 BP神经网络40-44
• 4.2.1 BP神经网络模型的原理40-42
• 4.2.2 BP算法的实现过程42-43
• 4.2.3 BP神经网络的功能43
• 4.2.4 BP神经网络在股票价格预测中的应用43-44
• 4.3 实验结果与分析44-47
• 4.3.1 仿真实验44
• 4.3.2 实验结果分析44-47
• 5 BP-ARMA模型在股票价格预测中的应用47-55
• 5.1 BP-ARMA模型构造原理47
• 5.2 BP-ARMA组合模型的建模过程47-48
• 5.3 实验结果与分析48-51
• 5.3.1 仿真实验48
• 5.3.2 实验结果分析48-51
• 5.4 BP-ARMA组合模型预测股票价格实例分析51-55
• 5.4.1 仿真实验51
• 5.4.2 数据的平稳化处理51-53
• 5.4.3 股票价格的预测实验结果与分析53-55
• 结论55-57
• 参考文献57-59
• 附录A BP-ARMA组合模型预测股价的源代码59-65
• 致谢65-66

【参考文献】

中国期刊全文数据库 前1条

1 刘红梅;;ARIMA模型在股票价格预测中的应用[J];广西轻工业;2008年06期

中国硕士学位论文全文数据库 前1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

  本文关键词：基于时间序列的股票价格分析研究与应用，，由笔耕文化传播整理发布。

本文编号：276861