基于粗糙集和RBF网络的股票时间序列分析研究

发布时间：2020-12-29 10:27

　　用传统的时间序列分析方法处理简单线性问题取得了较好的效果,但对股票这样的复杂非线性系统就显得力不从心。人工神经网络的出现给非线性时间序列分析提供了新的有效途径,但仍存在一些缺陷。针对神经网络在股票预测中遇到的问题,本课题将粗糙集理论引入预测模型并展开深入研究。(1)利用粗糙集理论对股票数据进行预处理,从大量原始数据中提取出核心知识,提高分析效率。条件信息熵离散化方法的计算复杂度很高,本课题对原算法离散点的选择和计算过程进行改进,得到一种启发示信息熵离散化方法,并利用该方法对股票数据进行离散化处理。(2)将遗传算法应用于最小约简的寻找,针对基本遗传算法存在的弱点,对其各遗传因子进行改进。采用基于改进遗传算法的属性约简方法对股票数据进行约简,从而得到更优的约简结果。(3)径向基函数(RBF)神经网络的学习算法各有优缺点,在实际应用中,很难直接确定哪种算法更为理想。本课题通过实验,对RBF网络三种常用算法的性能进行分析比较,来确定适合股票预测的神经网络模型。(4)提出股票拐点定义及分类(三类拐点),设定拐点参数,建立相应决策支持模型,选取适当级别的股票数据,对股票走势拐点进行预测,为中小投资... 

【文章来源】：青岛理工大学山东省

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究的背景和意义
    1.2 国内外的研究现状
    1.3 课题研究的内容及目标
第2章 粗糙集理论研究
    2.1 粗糙集理论的基本概念
    2.2 粗糙集连续属性离散化研究
        2.2.1 离散化问题描述
        2.2.2 粗糙集属性离散化方法
        2.2.3 离散化算法的评价标准
    2.3 粗糙集属性约简算法研究
        2.3.1 粗糙集属性约简算法
        2.3.2 基于遗传算法的属性约简研究
    2.4 本章小结
第3章 基于RBF网络的股票趋势预测研究
    3.1 RBF网络理论研究
        3.1.1 径向基函数（RBF）
        3.1.2 RBF神经网络结构
        3.1.3 RBF网络学习算法
        3.1.4 典型神经网络模型的比较
    3.2 股票数据选择
        3.2.1 股票的选择
        3.2.2 输入变量的选择
        3.2.3 输出变量的选择
    3.3 股票数据预处理
    3.4 股票趋势预测结果分析
    3.5 本章小结
第4章 基于粗糙集和RBF网络的股票趋势预测研究
    4.1 粗糙集与神经网络集成方法研究
        4.1.1 粗糙集与神经网络相结合的必要性
        4.1.2 粗糙集与神经网络集成方法研究现状
    4.2 基于粗糙集和RBF网络的股票时序分析流程
    4.3 股票数据选择及预处理
        4.3.1 对股票数据进行离散化处理
        4.3.2 对决策表进行属性约简
        4.3.3 股票数据的规范化处理
    4.4 基于粗糙集和RBF网络集成的股票趋势预测
        4.4.1 股票趋势预测步骤
        4.4.2 两种约简样本的预测结果分析
    4.5 基于粗糙集和RBF网络的股票预测方法优越性
        4.5.1 预测结果比较
        4.5.2 时间复杂性比较
    4.6 本章小结
第5章 粗糙集和RBF网络在拐点预测中的应用研究
    5.1 拐点及其分类
    5.2 股票拐点预测实例分析
        5.2.1 拐点预测模型输入变量的选择
        5.2.2 拐点预测模型输出变量的处理
        5.2.3 拐点预测实现
    5.3 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于简化分辨矩阵的粗糙集属性约简算法[J]. 田卫东,周创德,胡学钢,周红鹃,李培培.  计算机科学. 2008(03)
[2]基于小生境遗传算法的粗糙集属性约简方法[J]. 王杨.  计算机工程. 2008(05)
[3]一种基于依赖度的决策表属性约简算法[J]. 蔡莉,胡学钢.  安庆师范学院学报(自然科学版). 2008(01)
[4]一种基于属性依赖的属性约简算法[J]. 路松峰,刘芳,胡波.  华中科技大学学报(自然科学版). 2008(02)
[5]一种基于分辨矩阵的新的属性约简算法[J]. 汪小燕,杨思春.  计算机技术与发展. 2008(02)
[6]基于可辨识矩阵的属性约简算法[J]. 官礼和.  计算机工程. 2008(03)
[7]基于粗糙集和小生境遗传算法的层次聚类算法[J]. 廖喜讯,罗可,赵敏.  计算机工程与设计. 2008(01)
[8]一种基于属性重要性的变精度粗糙集属性约简算法[J]. 胡文君,邹海.  现代计算机(专业版). 2007(12)
[9]基于遗传算法和神经网络的新股上市价格预测法[J]. 周世昊,林苍祥,倪衍森.  计算机工程. 2007(22)
[10]中国证券市场存在的问题[J]. 吴园园,许东萍.  商场现代化. 2007(33)

博士论文
[1]基于粗糙集的数据挖掘算法研究[D]. 刘文军.北京师范大学 2004

硕士论文
[1]基于粗糙集理论与遗传算法的分类算法研究[D]. 何国建.西南交通大学 2005



本文编号：2945487