基于缺失混频数据的股票指数组合预测模型及实证研究

发布时间：2020-05-08 11:55

【摘要】：股票指数预测是经济领域中受到普遍关注的问题。在预测股票指数或经济问题时,经常面临如下情况:(1)用于预测的数据常常存在统计时间频率不一致的情况,也就是出现混频数据。例如经济领域的股价预测问题,既涉及价格、成交量等高频率指标,又要涉及到宏观经济数据、财务数据、所处行业政策等低频率指标。(2)由于各种原因,用于预测的数据时常存在缺失的情况。(3)解释变量和被解释变量之间存在复杂的非线性关系。传统的预测模型要求模型等式两端是同频数据,因而在使用中受到极大的限制。混频数据处理模型为混频数据的处理提供了新的视角。在混频数据预测模型方面,目前已取得大量的研究成果,但仍有提升空间:(1)混频数据都是完整的,基本没有涉及数据中存在缺失值的情况;(2)混频数据系列模型虽然是通用模型,但运用范围还存在一定局限性;(3)解释变量和被解释变量之间的复杂非线性关系在模型中没有充分的挖掘出来。因此,本文首次尝试将混频数据预测、处理缺失数据的灰色关联分析、先进的遗传算法进行集成,解决经济领域中涉及缺失混频数据的复杂预测问题。本文主要工作是以下三个方面:第一,构建基于混频数据的股票指数一元组合预测模型并运用于股票市场指数预测。混频数据预测模型已有的研究成果中,MIDAS系列模型是目前最通用的模型。基本MIDAS模型主要适用于金融市场的波动及宏观经济状态的预测,非限制U-MIDAS模型虽然在很多实际问题的预测中获得了很好的效果,但又要求变量频率差异较小,所以两类模型在实际运用中均受到了较大的限制。由于很多经济问题需要使用大量混频数据进行预测,解释变量和被解释变量之间的关系是非常复杂的,往往是一个非线性关系。为了提高混频数据模型的预测性能及运用范围,本文将构建混频数据的一元组合预测模型。当两个基本模型组合形成新模型后,关系复杂程度进一步提高。遗传算法是一种基于生物进化过程的搜索算法,通过不断迭代逐步逼近最优解,在求解复杂度很高的非线性最优化问题上具有独特的优势。它的搜索能力不受具体问题的模型限制,能有效进行大范围空间的搜索,因此在处理复杂的高维、非线性关系的优化问题中具有特别的优势。和其他的优化算法相比,遗传算法更有可能获得全局优化解。本文将混频数据一元组合预测模型和遗传算法两者有机结合,首先建立基于混频数据的一元组合预测模型,同时给出遗传算法的参数设置以及模型系数与权重的搜索方法。最后,将模型运用于中国股票市场预测上证综指、深证成指、创业板指数,并与对比模型结果比较,证明所提模型有效。第二,构建基于缺失混频数据的股票指数一元组合预测模型并运用于股票市场指数预测。利用有缺失的混频数据直接进行预测是非常必要的。传统方法处理缺失值,一般使用加权均值或概率均值的方式填补。加权均值法只适用于缺失数据值较少的情况,概率均值法容易受到极端数据值的影响。同时,在混频数据领域的研究中基本没有涉及到缺失数据的情况。为解决以上问题,本文首先提出基于缺失混频数据的股票指数一元组合预测模型。一方面,我们进行预测时,会重点考虑某一个单一重要因素对预测结果的影响或者是两者之间的相互关系;另一方面,缺失混频数据一元组合预测模型,是建立缺失混频数据多元组合预测模型的基础,因此我们首先建立该模型。灰色关联分析模型的目标就是在空间关系里面识别两组数据序列的几何关系。该模型可用来量化比较序列和参考序列的相似程度。本文将处理缺失数据的灰关联分析模型和混频数据一元组合预测模型进行集成,并用遗传算法搜索出全局最优解。将该模型运用于中国股票市场上证综指、深证成指、创业板指数的预测中,使用包含有缺失值的混频数据,预测结果显示,本文提出的模型具有有效性。第三,构建基于缺失混频数据的股票指数多元组合预测模型并运用于股票市场指数预测。在股票指数预测问题中,影响预测结果的因素众多,且各种因素互相影响,因而,一元模型应用范围受限,构建多元模型是论文研究重点。以一元模型为基础,构建基于缺失混频数据的股票指数多元组合预测模型,需要解决的问题如下:(1)解释变量维数增加,待估计参数也相应大量增加,(2)多个解释变量之间存在混频数据,维数增加后,解释变量之间和解释变量与被解释变量之间存在复杂的非线性关系。(3)解释变量增加的情况下,出现多个缺失值的可能性增大。为解决上述问题,本文提出基于缺失混频数据多元组合预测模型。将一元模型扩展成多元模型后,将面临数据关系更加复杂,待估计系数及向量大量增加,计算复杂度急剧增高等一系列问题,本文将给出遗传算法解决上述问题的过程和算法。最后,通过将新模型应用于中国股票市场预测上证综指、深证成指、创业板指数,并与对比模型相比较,说明模型的有效性。
【学位授予单位】：重庆大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：F832.51

【参考文献】

中国期刊全文数据库前10条

1 叶光;;基于混频数据的一致指数构建与经济波动分析[J];统计研究;2015年08期

2 尚玉皇;郑挺国;夏凯;;宏观因子与利率期限结构:基于混频Nelson-Siegel模型[J];金融研究;2015年06期

3 栾惠德;侯晓霞;;中国实时金融状况指数的构建[J];数量经济技术经济研究;2015年04期

4 李正辉;郑玉航;;基于混频数据模型的中国经济周期区制监测研究[J];统计研究;2015年01期

5 龚玉婷;陈强;郑旭;;基于混频模型的CPI短期预测研究[J];统计研究;2014年12期

6 郑挺国;尚玉皇;;基于宏观基本面的股市波动度量与预测[J];世界经济;2014年12期

7 韩颖;;基于改进差分进化算法的RBF神经网络在股指预测中的应用[J];合肥工业大学学报(自然科学版);2014年11期

8 朱碧颖;朱福喜;刘克刚;粟藩臣;;基于二维可变邻域编码方式的混合遗传算法[J];计算机应用;2014年09期

9 张晶;姚婷;;基于SV模型的股指期货杠杆效应实证研究[J];蚌埠学院学报;2014年02期

10 姚婷;张晶;沈磊;;基于灰色系统理论的股指预测研究[J];河南工程学院学报(自然科学版);2013年04期