基于SVM的上证50指数涨跌预测研究

发布时间：2020-11-02 07:26

　　 随着中国大国崛起,经济发展日新月异,人们手中掌握的财富越来越多,市场上各种保本理财产品层出不穷,房地产的住房属性已经变为投资属性,都侧面说明了我国已经进入了全民投资理财时代。而银行存储利率相对较低,普通人难以抵抗通货膨胀带来的货币贬值。在前几年,中产阶级大多选择投资房地产来进行资产增值,但中央政府为了防止房价暴涨暴跌发生金融系统性风险,近些年出台一系列政策坚决遏制房地产泡沫炒作,所以许多观望者认为现在甚至到未来的5年,房地产市场没有很好的投资效益。与此同时,股票A股市场自1990年建立以来,已经发展快到30年,在国内是企业融资和广大股民的投资渠道,因此近年来,因为房地产的挤出效应,更多的资金开始流向二级市场。而中国证监会监管日益趋严,严禁各种题材炒作,开始逐步引导市场资金进行价值投资。随着沪港通和深港通的开通,以及明晟公司在2017年6月宣布将A股纳入MSCI新兴市场指数,都表明A股市场将在不久的将来和国际成熟市场接轨,逐渐去散户化,未来市场只能相对布局有着良好基本面的蓝筹股。上证50指数,这个指数更能代表A股市场未来的投资方向。本文将上证50股指的未来走势分别划分为两种(涨、跌),通过股指上个交易日数据指标来对下一个交易指数涨跌进行预测。文章第一章节介绍了选题背景和意义,以及国内外的股市研究现状,第二章节描述了统计学习理论,第三章节介绍了股市常用指标,第四章节就是模型的实证研究,运用归一法预处理上证50指数360多个交易日的19个技术指标,统一量纲,找出相关性,然后通过主成分分析降维得到5个主成分变量,接着把这5个主成分变量作为输入向量,运用非线性的支持向量机建模训练290个交易日的数据,选择高斯核函数,通过网格参数寻优和交叉验证方法得到使得分类效果最佳的核参数,得到一个函数模型,最后用测试集的72个交易日的5个主成分指标输入模型,得出下一交易日的涨跌。结合具体的指标数据,验证了 SVM模型对上证50指数的分类准确性,得到了 SVM模型收益跑赢同期上证50指数的结果。但是,由于技术有限和经验的缺失,本文未能得到更好的分类准确率,希望未来可以结合集成组合方法,得到更高的分类准确率,更好的分类预测模型。另一方面,本文选择的样本数据频率是以日作为预测周期,时间较短,波动较大,噪声也很大,而每日可能出现的不确定性因素则无法被纳入预测体系中,最终造成预测误差。所以后续可以进行周,月的样本测试。
【学位单位】：安徽大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F832.51
【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景及意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 股市的常用预测方法
        1.2.2 支持向量机在股市的研究现状
    1.3 研究内容和组织安排
        1.3.1 研究内容
        1.3.2 组织安排
    1.4 本文研究方法和创新点
        1.4.1 研究方法
        1.4.2 可能的创新点
第二章 统计学习理论
    2.1 主成分分析
        2.1.1 主成分分析基本思想
        2.1.2 主成分分析的数学模型
        2.1.3 主成分特点
    2.2 支持向量机算法
        2.2.1 支持向量机（SVM）概述
        2.2.2 支持向量机基本原理
        2.2.3 核函数
    2.3 交叉验证法和网格搜索寻优
第三章 股市技术分析
    3.1 技术分析理论
        3.1.1 技术分析基础
        3.1.2 技术分析的特点及优势
    3.2 常见技术指标及其应用
第四章 基于SVM的模型实证研究
    4.1 数据选取与标准化处理
    4.2 主成分降维
    4.3 基于Grid-SVM模型的构建分析
    4.4 基于Grid-SVM模型的上证50指数预测分析
第五章 总结与展望
    5.1 总结
    5.2 未来研究展望
参考文献
致谢
攻读硕士学位期间发表的论文

【参考文献】

相关期刊论文 前10条

1 金瑶;蔡之华;;基于AR模型的Kalman滤波在股票价格预测中的应用[J];统计与决策;2013年06期

2 姜金胜;;浅析布林线指标在股市中的运用[J];上海青年管理干部学院学报;2012年04期

3 孙伟;;基于分形市场假说的中国期货市场有效性研究[J];襄樊学院学报;2011年05期

4 徐国祥;杨振建;;PCA-GA-SVM模型的构建及应用研究——沪深300指数预测精度实证分析[J];数量经济技术经济研究;2011年02期

5 刘叶玲;高玲;;利用技术指标及多元回归模型预测股票价格[J];技术与创新管理;2010年02期

6 杨国梁;张新新;杨敏慧;;基于支持向量机的套期保值技术研究[J];中央财经大学学报;2010年03期

7 方匡南;纪宏;路逊;;股票技术指标相似性与有效性研究[J];统计与信息论坛;2009年09期

8 周俊梅;;利用ARFIMA模型研究金融时间序列[J];海南师范大学学报(自然科学版);2008年04期

9 胡锡健;;金融时间序列分析与建模[J];新疆大学学报(自然科学版);2007年02期

10 张杨;宋恒;;基于聚类技术的股市基本趋势规律挖掘[J];数理统计与管理;2006年04期

相关博士学位论文 前1条

1 陈永忠;我国股市非线性时间序列分析[D];华中科技大学;2004年

相关硕士学位论文 前8条

1 郝知远;基于数据挖掘方法的股票预测系统[D];南京理工大学;2017年

2 詹财鑫;基于SVM_AdaBoost模型的股票涨跌实证研究[D];华南理工大学;2013年

3 崔冰;灰色-GARCH混合模型及其在股票指数中的应用[D];西北农林科技大学;2012年

4 袁博;混沌理论在股票市场走势预测中的应用研究[D];东北林业大学;2012年

5 吴漫君;基于隐马尔科夫模型的股价走势预测[D];华南理工大学;2011年

6 金得宝;基于支持向量机的股市预测研究[D];浙江大学;2010年

7 高伟良;股票价格时间序列ARCH模型建立与选择研究[D];合肥工业大学;2009年

8 吕晓华;中国股市的非线性特性分析[D];浙江工商大学;2008年

本文编号：2866744