基于主力资金流向的上证指数预测方案设计研究

发布时间：2020-05-25 13:30

【摘要】：股票市场可以被定义为这样一个市场,一方面,它为需要融资的企业提供便利;另一方面,它为需要投资的投资者提供机会。通过对股指涨跌的预测,可以对个人和企业何时进入金融市场带来指引作用,也能为政府的经济政策制定提供理论意义。但是股票市场又是一个充满各种信息的复杂系统,它不仅受到过去的信息的影响,也要受到当前政治、经济、心理方面等因素的影响,所以股指的涨跌很难准确的预测。目前,对股指涨跌预测的方法主要有应用技术分析法和计量时间序列分析法,其中应用技术法使用的群体比较多,因为它几乎不需要过多的分析而是根据个人投资习惯和经验,主观色彩浓厚。计量的时间序列方法是在一种理想情况下使用才有效的方法,它要求输入的自变量指标与目标变量最好是线性关系,如果是非线性情况,结果就没有参考意义。在这样的发展状况下,热门的机器学习算法得到投资者的普遍关注和应用。其中常用的一种人工智能方法就是支持向量机(SVM)。SVM技术其在分类变量预测方面具有优越性。正是由于SVM具有这样的优越性,所以把SVM用来预测股指涨跌具有理论依据。本文结合主力资金流模型,以支持向量机为工具,来构建股指涨跌预测方案。并且本文主要以上证综合指数为研究对象,通过比较的方法,即选取41个技术指标(不含主力资金流指标)或者42个技术指标(含主力资金流指标)作为输入变量,将股指的涨跌分类作为目标分类变量,利用R语言进行PCA-SVM建模,并得到了合理的实证结果。结论显示,含主力资金流指标的预测准确率要高于无主力资金流指标的预测准确率。最后为了结果的完整性考虑,本文还将预测期间划分为上涨市、下跌市和震荡市。其中上涨市的预测效果最好,下跌市的预测效果最差。综合来看,主力资金流模型与机器学习方法结合对股市预测和投资具有一定的指导意义。本文也给投资者和政府监管提供一个方便、切实可行的方案。
【图文】：

框架图,框架图,资金流,主要技术数据

主要技术数据归一化处理运用 PCA 方法对技术指标进行特征提取包含主力资金流不包含主力资金流运用 SVM算法进行大盘涨跌预测预测的准确率 P1、P2比较 P1、P2结论核函数选择参数调优决策树支持向量机

线性可分,情况,五角星,蓝色

12图 2.1 线性可分情况图2.1中蓝色和红色图形分别表示需要进行区分的两类样本。三条直线（红、黄、蓝）试图将蓝色五角星和红色圆点进行区分。由图中可以清晰的看出，蓝线错误的把蓝色五角星和红色圆点进行了分类，分类平面无效，而黄和红两个平面可以将蓝色五角星和红色圆点分开在分类平面的两侧，这样能够有效地将待分类样本进行分类的平面被称为超平面。可以预见，，针对图 2.1 中的分类问题，存在着无数个超平面。此处就引出了最优分类超平面的概念。最优分类超平面是这样的一个平面,它不仅仅能够有效的区分开待分类样本，还能够保证超平面距离两类待测样本的距离都最大。如图 2.1 中的红线代表最优超平面，它不仅有效的区分开了蓝色五角星和红色圆点
【学位授予单位】：上海师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;F832.51

【相似文献】