基于隐马尔可夫模型和计算智能的股票价格时间序列预测

发布时间：2024-01-27 07:42

　　股票价格时间序列是股票市场的综合外在表现形式,正在不断地引起人们的注意,进入人们的生活。对于股票价格时间序列预测研究的必要性已经成为实务界和学术界的普遍共识。 然而,由于股票价格时间序列本身的复杂性、多样性和善变性,影响其变化的因素众多,有些因素是可以度量的,而有些因素却难以量化,很难科学的计算和评价,因而研究难度较大。当前,隐马尔可夫模型(HMM)的广泛应用以及计算智能(CI)技术的不断发展,为股票价格时间序列预测研究开阔了新的思路,提供了新的理论和技术支持。 本文以隐马尔可夫模型(HMM)为基础,结合几种计算智能(CI)方法:人工神经网络(ANN),模糊逻辑(FL),和进化算法(EA),开展针对股票价格时间序列预测问题的系统研究,建立了比较完整的混合算法预测模型,以期更进一步地丰富和完善股票价格时间序列预测研究的成果。本文以逐层递进的结构,逐步完善所提出的预测模型。 首先,提出了一种基于HMM的无监督聚类方法。该聚类方法是运用HMM在数据集中识别相似的数据模式,对于给定的数据集,HMM被用来确定分类的数目,并计算每个数据模式的对数似然值,之后根据对数似然值的大小将其对应的数据模式分...

【文章页数】：132 页

【学位级别】：博士

图2-7模糊集的隶属函数Fig.2-7Thefuzzymembershipfunction（2）建立模糊规则FL可以很好的处理非线性，因为模糊规则可以映年龄

图2-8模糊推理Fig.2-8Thefuzzyinference聚合输出

图3-3数据向量形成的连续模式

图3-5Ringnorm箱子频率

本文编号：3886578