基于主成分分析的股票收盘价组合预测方法

发布时间：2020-12-09 17:37

　　本文构造了隐马尔可夫模型、CNN、LSTM、支持向量机的组合算法,旨在寻求股票收盘价精准预测的算法。在处理缺失值和异常值的过程中,本文使用三次样条插值法填充了缺失值,使用DBSCAN聚类的方法删除了异常值。考虑到不同的因素指标对下一交易日收盘价的影响程度不同,本文采用灰色关联判别分析其关联度,剔除了关联度小于0.9的指标,避免了数据冗余,提高了运算效率。本文使用中信证券和上证指数的数据实证研究后发现,单独预测模型并不能很好地预测收盘价的涨跌。为此,本文使用主成分分析来确定四种方法的权值,最终得出组合预测股票涨跌的比例达到95.65%和94.26%。 

【文章来源】：当代金融研究. 2020年03期 第92-103页

【文章页数】：12 页

【部分图文】：

三次样条插值

在预测阶段，HMM模型通过状态转移矩阵和输出概率矩阵计算出后一日预测结果的概率分布，从而得出预测结果，但是从结果来看仍有较大的改进空间。图3 HMM预测值和真实值对比

HMM预测值和真实值对比

【参考文献】：
期刊论文
[1]基于EEMD,SVM和ARMA组合模型的电价预测[J]. 张金良,王明雪.  电力需求侧管理. 2020(03)
[2]基于卷积神经网络的变压器有载分接开关故障识别[J]. 曾全昊,王丰华,郑一鸣,何文林.  电力系统自动化. 2020(11)
[3]基于离散型隐马尔可夫模型的股票价格预测[J]. 张旭东,黄宇方,杜家浩,缪永伟.  浙江工业大学学报. 2020(02)
[4]基于熵权法和灰色关联度的中压配电网供电水平关键性指标研究[J]. 周俊峰,胡诗尧,安佳坤,韩璟琳,贺春光,马国真.  科技通报. 2019(12)
[5]基于深度长短时记忆网络的区域级超短期负荷预测方法[J]. 张宇帆,艾芊,林琳,袁帅,李昭昱.  电网技术. 2019(06)
[6]一种基于三次样条插值法的时基误差校正方法[J]. 赵洋,高立,何羚,何丕雁.  国外电子测量技术. 2017(08)
[7]基于DBSCAN聚类算法的异常轨迹检测[J]. 周培培,丁庆海,罗海波,侯幸林.  红外与激光工程. 2017(05)
[8]基于主成分分析的PM2.5的影响因素权重确定方法[J]. 董健卫,陈艳美,孟盼.  广东技术师范学院学报. 2016(11)



本文编号：2907229