基于小波包去噪的股价组合预测模型

发布时间：2018-05-26 23:24

  本文选题：股价预测 + 小波包去噪　； 参考：《兰州大学》2014年硕士论文

【摘要】：本文的目的是检验基于小波包去噪的结合BP神经网络模型、ARMA模型和指数平滑模型的组合模型对股价预测的有效性.选取的数据是中国建设银行2011年至2013年三年的股票的日收盘价.首先对建设银行的原始数据建立了三个单个的模型,分别为BP神经网络模型、ARMA模型和指数平滑模型,再利用粒子群算法优化组合模型的权重,从而建立组合模型,并用三个单个模型和组合模型对数据进行预测,发现组合模型的预测效果优于单个模型的预测效果.然后对原始数据进行小波包去噪,对去噪后的数据分别建立以上三个单个模型和组合模型,并进行预测,结果显示,基于小波包去噪的组合模型的预测效果更加优于未去噪的组合模型,从而说明了本文建立的基于小波包去噪的组合模型在股价预测方面的有效性.
[Abstract]:The purpose of this paper is to test the validity of the combined model based on wavelet packet denoising and combining BP neural network model with ARMA model and exponential smoothing model for stock price prediction. The data selected is the daily closing price of China Construction Bank's shares for the three years from 2011 to 2013. First, three single models are established for the original data of China Construction Bank, namely BP neural network model and exponential smoothing model, then the weight of the combination model is optimized by particle swarm optimization algorithm, and then the combination model is established. It is found that the prediction effect of the combined model is better than that of the single model. Then the original data is de-noised by wavelet packet, and the above three single models and combined models are established respectively, and the results show that, The prediction effect of the combination model based on wavelet packet denoising is better than that of the undenoised combination model, which shows that the combination model based on wavelet packet denoising is effective in stock price prediction.
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F830.91;O174.2

【相似文献】

相关期刊论文 前10条

1 马永尚,庞祖光;组合预测模型在新疆农作物单产预测中的应用[J];农业系统科学与综合研究;1993年02期

2 夏勇军;组合预测模型中折扣系数的取法[J];贵州财经学院学报;2002年02期

3 邹自德;二个简便的组合预测模型及应用[J];广州广播电视大学学报;2002年03期

4 张晓如;高尚;梅亮;;线性组合预测研究[J];科学技术与工程;2007年20期

5 王丰效;张凌霜;;基于蚁群算法的灰色组合预测模型[J];数学的实践与认识;2009年14期

6 肖涛;李若琦;霍红云;;基于灰色系统GM(1,1)的组合预测模型及其应用[J];保定学院学报;2011年03期

7 周传世;加权几何平均组合预测模型及其应用[J];广东商学院学报;1994年02期

8 方向华;王文杰;汤兵勇;;基于模糊补偿的组合预测方法研究[J];中国储运;2006年01期

9 付加锋;蔡国田;张雷;;基于灰色神经网络的能源消费组合预测模型[J];资源开发与市场;2006年03期

10 沈家骅;严振祥;;基于区间分析的组合预测系数确定方法[J];武汉理工大学学报(交通科学与工程版);2006年06期

相关会议论文 前10条

1 单秀生;陈华友;王宇;姚梦杰;;基于最大误差绝对值最小化的多目标区间型组合预测模型[A];第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会论文集[C];2011年

2 马永开;唐小我;;组合预测模型研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

3 谢如贤;成盛超;程仕军;陈思华;;变结构组合预测模型的建立与应用[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

4 吴长山;;灰色—马尔柯夫组合预测[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

5 曾勇;唐小我;;无偏组合预测的贝叶斯模型及其分析[A];1996中国控制与决策学术年会论文集[C];1996年

6 黄晓强;何玉敖;;基于组合预测模型的振动结构响应预测[A];第三届全国现代结构工程学术研讨会论文集[C];2003年

7 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年

8 姜明辉;解晓璐;;Logistic回归与线性回归组合模型及在个人信用评估中的应用[A];科学发展观与系统工程——中国系统工程学会第十四届学术年会论文集[C];2006年

9 成枢;刘国林;高放;;最优组合预测模型及其在变形预测中的应用[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

10 邹昊飞;夏国平;杨涵;;基于GMDH的BP组合预测模型[A];2006中国控制与决策学术年会论文集[C];2006年

相关重要报纸文章 前2条

1 浙江证券研究所 吕小萍;电子商务：春天是否已到来？[N];中国证券报;2003年

2 张乔妹　余郁;江门供电勾勒营销“微笑曲线”[N];中国电力报;2009年

相关博士学位论文 前10条

1 向昌盛;基于支持向量机的时间序列组合预测模型[D];湖南农业大学;2011年

2 毛李帆;电网规划中长期负荷预测技术的研究[D];湖南大学;2011年

3 孙喜梅;城市路网实时动态交通信息的组合预测模型和方法研究[D];吉林大学;2002年

4 胡予红;煤炭消费预测与温室气体减排途径和对策研究[D];中国矿业大学（北京）;2010年

5 黄少杰;我国就业问题与第三产业发展的关联性研究[D];吉林大学;2007年

6 张学清;风电预测、协同调度及电网电压安全评估研究[D];山东大学;2013年

7 詹蓉;面向即时顾客化定制的个性化需求预测方法研究[D];华中科技大学;2008年

8 卢芸;短期电力负荷预测关键问题与方法的研究[D];沈阳工业大学;2007年

9 姜明辉;商业银行个人信用评估组合预测方法研究[D];哈尔滨工业大学;2006年

10 张俊艳;城市水安全综合评价理论与方法研究[D];天津大学;2006年

相关硕士学位论文 前10条

1 叶鸿;我国航运企业物流战略联盟研究[D];河海大学;2004年

2 张家樾;组合预测方法在汇率预测中的应用研究[D];厦门大学;2008年

3 李明理;高速公路交通量生成机理与预测方法研究[D];大连理工大学;2010年

4 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年

5 洪峻;镇江港发展战略研究[D];大连海事大学;2007年

6 孙威;组合汇率预测方法在人民币/美元汇率预测上的应用[D];山东大学;2007年

7 赵海英;闽清县建设用地的组合预测模型[D];福建师范大学;2008年

8 伊瑞;电力负荷预测中的数学方法及应用研究[D];中南大学;2006年

9 姚萌;网络流量组合预测模型的研究[D];江南大学;2008年

10 杨申;组合预测模型在电力负荷预测中的研究[D];华南理工大学;2010年

，

本文编号：1939384