股票价格预测的时间序列组合模型方法

发布时间：2017-05-21 10:11

  本文关键词：股票价格预测的时间序列组合模型方法，由笔耕文化传播整理发布。

【摘要】：随着国民经济的迅猛发展，股票市场已成为我国市场经济的重要组成部分，从中获取利润是所有投资者前来投资最原始、最直接的目的。要使投资尽可能地获利，需要对投资行为进行合理的决策，这就要求我们在这之前对股票历史数据进行充分、有效的分析，进而对价格有合理的预测。由于股票市场是一个复杂的非线性系统，其数据量庞大、变化平凡，建立一个计算速度适中和精确度较高的自动股票预测模型，对于股票市场监管者的监管和股票投资者的投资有着重要的参考和指导价值。 股票价格序列是一种特殊的时间序列，因而我们可以采用一些改进的时间序列的方法对其进行预测。常用的时间序列方法有三大类：统计模型方法、机器学习方法和组合方法。单纯的统计模型方法在当下复杂的应用背景下，表现往往不尽人意，目前比较流行的为机器学习方法和组合方法。因为组合方法是多种方法的有机整合，这跟股票价格的多成分组成特点十分吻合，，本文认为组合方法相比单一方法能够更好地对股票价格进行有效地预测。 在普遍为人们接受的股票价格三组成划分的基础上，本文建立了组合优化选择的组合预测方法框架，允许将各部分的不同方法得到的结果的组合按一定的规则进行取舍得到最终的预测结果，进而获得了比单个预测方法更为可靠的结果。在此框架的基础上，本文还对其中一部分的组成成因进行了探索和研究，并据此建立了相应的数学模型，进一步改进了最终决定系统精度强波动部分预测模块的预测精度。还引入了一种随机预测结果修正方法，希望以此进一步提高模型的可靠性。 本文选取沪市A股（共计946组）和深市A股（共计1135组）本文算法适用的个股和指数日收盘价进行了一系列的分析对比实验。首先对不同滤波器进行趋势获取的效果进行了对比分析；接着在类随机部分预测部分，对本文提出的新模型与传统AR模型进行了分析和比较；再还进行了随机预测结果修正方法的效果验证；最后进行了结果整合的总成实验，同时还验证了本文采用的组合结果选取准则的有效性。通过这一系列的实验，数据有力地验证了本文的假设和方法的合理性和有效性，同时也暴露出具体方法的一些问题。
【关键词】：股票价格预测 时间序列 组合 划分 框架
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F832.51;F224;TP301.6
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-18
• 1.1 研究背景9-10
• 1.2 研究意义10
• 1.3 研究现状10-15
• 1.3.1 统计学方法11-12
• 1.3.2 机器学习方法12-13
• 1.3.3 组合方法13-15
• 1.4 研究内容和论文结构15-18
• 1.4.1 研究内容16-17
• 1.4.2 章节安排17-18
• 第2章 基础知识18-32
• 2.1 股票价格预测及其预测模型评价18-20
• 2.1.1 股票价格序列预测18-19
• 2.1.2 预测模型评价19-20
• 2.2 小波分析与多分辨分析20-22
• 2.3 拟周期检测与 Fourier 变换22-25
• 2.4 时间序列常用模型25-27
• 2.4.1 自回归模型（AR）26
• 2.4.2 滑动平均模型（MA）26
• 2.4.3 自回归滑动平均模型（ARMA）26-27
• 2.4.4 自回归异方差模型（ARCH）27
• 2.5 卡尔曼滤波27-29
• 2.6 组合预测方法29-32
• 第3章 股票价格预测的时间序列组合模型方法32-42
• 3.1 组合预测方法框架33-36
• 3.2 基于股价类随机成分成因的预测模型及其改进36-39
• 3.2.1 一类新的股票价格类随机部分预测方法——类趋势变化回归模型（Trend Movement Regressive Model: TMR）37-38
• 3.2.2 基于类卡尔曼滤波的类随机预测方法改进算法38-39
• 3.3 组合结果选取的最小均方离差率准则39-42
• 第4章 实验结果与分析42-67
• 4.1 实验条件42-43
• 4.2 实验结果与分析43-65
• 4.2.1 不同滤波器获取趋势对预测结果的影响44-49
• 4.2.2 类 TMR 模型以及类随机结果修正算法的预测效果分析49-61
• 4.2.2.1 类 TMR 模型的预测效果对比与分析49-54
• 4.2.2.2 基于类卡尔曼滤波的类随机预测修正算法54-61
• 4.2.3 总成实验与组合结果选取最小均方离差率准则的有效性分析61-65
• 4.3 小结65-67
• 总结与展望67-69
• 一、论文工作总结与创新67
• 二、未来展望67-69
• 参考文献69-73
• 致谢73-74
• 附录 A 攻读硕士学位期间参加的科研项目74

【参考文献】

中国期刊全文数据库 前9条

1 陈传超;郭志明;;股票市场供求关系与股价及其变化率的微分方程[J];佛山科学技术学院学报(自然科学版);2008年01期

2 姚洪兴,盛昭瀚;股市预测中的小波神经网络方法的研究[J];管理工程学报;2002年02期

3 杨乐;张瑞;;基于在线序列ELM算法的高效股票预测[J];纯粹数学与应用数学;2012年06期

4 朱扬勇;戴东波;熊峗;;序列数据相似性查询技术研究综述[J];计算机研究与发展;2010年02期

5 邱望仁;刘晓东;;基于证据理论的模糊时间序列预测模型[J];控制与决策;2012年01期

6 冯建;Starzyk Janusz;邱菀华;;一种基于信息熵的金融数据神经网络分类方法[J];控制与决策;2012年02期

7 李晓光;宋宝燕;于戈;王大玲;;基于小波的时间序列流伪周期检测方法[J];软件学报;2010年09期

8 谢衷洁,王弛;用时间序列方法预测股票价格初探[J];数理统计与管理;2004年05期

9 杨一文,刘贵忠;基于神经网络的多变量时间序列预测及其在股市中的应用[J];信息与控制;2001年05期

  本文关键词：股票价格预测的时间序列组合模型方法，由笔耕文化传播整理发布。

本文编号：383338