基于技术分析和CBR的证券时间排列预测模型的构建
发布时间：2014-08-10 14:47
第一章绪论
1.1研究背景
市场获得利润投资者遵循一个简单的规则:“低买高卖"。虽然这个规则是简单的和众所周知的,但是难以跟随。这是因为市场的趋势是受很多因素的影响如政治和经济因素,方面,市场本身的影响这些因素。各种市场分析技术应用于解释股票市场和预测的未来趋势,但他们对小投资者是不利的,因为这些技术需要一定程度在金融和经济学的专业知识。此外,这些技术需要收集大量关于市场的数据,而且需要很多的计算,这对个人小投资者花费太多的精力。因此-个为小投资者进行交易决策的智能技术投资工具是非常有用的。智能技术包括使用模糊逻辑知识表示和使有用的推论或行动,专家系统对证据和启发式推理,神经网络分类和自适应学习,遗传算法解决优化和数据挖掘技术的知识发现等。这□智能技术方法在证券时间序列屮均有应用,通常是几种技术方法相结合能够实现更精准的预测:谭华,谢赤,储慧斌将模糊关联规则股票市场的交姑规则抽取,能很好的反映股票交易屮的实际情况;张素省fgi釆用逻辑判断和模糊决策系统相结合的方法对双重移动平均线技术指标进行处理,最终会给出合理的投资决策意见提出将模糊推理和技术分析有机的结合起来,定义了建立隶属度函数的方法,用模糊理论与模糊聚类分析来预测股票的买卖时机的系统;段军伟利用改进的神经网络分类器,设计和实现了一个基于神经网络的股票预测系统;李丰龙讨论了金融证券系统中的股票预测问题并深入研究了模糊神经网络和支持向量机模型对中国金融证券市场时间序列预测的理论和实际预测结果,并对其进行了分析、比较和评估;
.......
1.2研究现状案例
在前人研究的基础上从价量和风险两个角度提取了股票的若干市场交易属性作为判别指标,并通过二值Logistic回归分析确立了指标属性的权重;随后采用K最近邻法作为案例检索算法,并利用SQL语言对核心算法在数据库中进行了程序实现。推理(case based reasoning, CBR)是人工智能领域里的一种推理技术,源于认知科学中记忆在人类推理活动中所扮演的角色。1982年,美国耶鲁大学罗杰克在《Dynamic Memory》一书中提出了动态记忆理论,描述了记忆是如何随着经验的增长而自动修改和发展的,这被看作是CBR思想的正式来源。CBR作为实现人工贺能的重要方法,应用十分广泛。方圆,胡代平就如何对股价操纵行为进行判别做了研究,设计了一个基于案例推理的股价操纵行为判别系统。析应用于企业财务危机预警的案例推理中,采用特征属性的主客观权重计算案例相似度。得到的案例相似性排序结果符合实际情况,提高了相似企业的检索效率,满足了企业财务危机预警的要求。Zhanbo LEI- Yoshiyasu YAMADA- Jihong HUANG- You min Xl'"'提出CBR智能预警支持系统,它可以警告企业财务危机,有定量定性的专家知识和警告经验,应用遗传算法,提高了检索的精度和有效性。匹配又支持模糊匹配的特点,有效地检测那些故S偏离检测规则的攻出,降低漏报率。时序预测己有不少方法,如分解,指数平滑,随机模型,状态空间模型,贝叶斯模型,以及一些新方法如神经网络和模糊逻辑,人工智能领域的遗传算法和模式识别方法等。基丁的时序预测模型在国内外也均有研究。
.......
第二章金融时间序列及技术分析
2.1金融时间序列
很多潜在的重要信息和事物规律往往蕴含复杂的时间序列在,详尽的分析这类重要的复杂数据对象,便有可能揭示事物运动、变化和发展的内在规律.数据按固定的时间间隔采样,一组被观测数据或信息依次按照时间顺序进行排列。很多潜在的重要信息和事物规律往往蕴含在复杂的时间序列中,详尽的分析这类重要的复杂数据对象,便有可能揭示事物运动、变化和发展的内在规律.金融时间序列是金融资产收益序列的重要表现形式,例如股票、基金、外汇、金融衍生品等收益率的分时线、日线等,也是经济与金融领域中最重要的数据,因此对这类数据分析和预测在金融投资预测、决策和风险管理等方面具有重要意义.
.........
2.2证券技术分析理论依据
2.2.1技术分析的含义
长期以来,人们都在寻求战胜市场的方法,研究主要可分为两大流派:基木分析与技术分析。基本分析侧重于研究公司内、外部的多种因素,从而发现股价运动的规律;而技术分析却是直接从价格着手,以股价的动态和规律性为主要对象,结合对股票交易数量和投资心理等市场因素的分析,以帮助投资者选择投资机会。其中的技术分析,旨在直接分析证券市场的市场行为,其特征是根据市场以前和当下的行为,以数学为理论支撑,探索出一些重复出现的规律,以便于更好的预测证券市场将来价格走势。技术分析通常是重在研究证券市场行为,对于证券市场趋势的形成和转化的成因则不关注,重在强调价格走势的最终结果,注重研究证券市场的行为。技术分析方法一般分为指标类、切线类、形态类、K线类、波浪类等5大类,本文主要对指标类和形态类加以描述。K线又称錯烛线,是日本德川幕府时期,米商为分析米市行情变化而发明的,R线图取每日开市价、最高价、最低价、收市价绘制而成,开市价与收市价之间形成实体,收市价高于开市价,则K线为阳线,反之为阴线。同样可以根据每周、每月或每年的价格数据绘制周线图、月线图和年线图。K线图,已广泛应用于各种技术分析软件。价格图表是技术分析最基本的工具,它具有简捷、直观的优点。K线理论注重短炒,它预测期很短,为了弥补不足,将K线的组合扩展,组成一条上下波动的轨迹,来判别多空力量斗争,这就是移动趋势形态分析。
..........
第三章基于案例推理技术..........23
3.1人工智能与专家系统概述..........23
3.2基于案例推理的基本概念..........24
3.3基于案例推理过程..........26
第四章案例表示与案例库构造方法..........31
4.1案例特征..........31
4.2案例识别..........35
4.3案例表示..........36
第五章案例检索的相似匹配算法及特征权值估算方法..........39
5.1案例检索的相似匹配算法..........39
5.2特征权值估算法..........41
第六章基于技术分析和CBR的证券时间序列预测模型
6.1技术分析
本章详细介绍了案例搜索的相似匹配算法,包括搜索策略和NN算法;对特征权值估算方法只作了理论上的学习和改进,没有在本文中具体应用。将根据主观经验人为指定特征权值,采用NN算法实现CBR对证券时间序列的预测。通过对市场过去和现在的行为,应用数学和逻辑的方法,探索出一些典型的规律,对预测证券市场的未来变化趋势意义重大。针对这些技术需要一定程度在金融和经济学的专业知识,对小投资者不利,本文提出一种基于CBR技术的人工智能方法。CBR技术是从以往案例中搜索与,前问题相似的案例,并选择一个或多个与当前问题最相似和相关的案例,通过对所选案例的适当调整和改写,从而获得_前问题求解结果和对这一新案例的存储以备使用的一种推理模式系统与matlab连接本系统采用了专门的数据尔管理系统——SQL Server 2005,它足一个关系数据序it理系统,它提供的SQL语句可以很方便的对数据库进行各种各样的操作,例如更新数据库.中的数据、从数据库中提取数据等。数据操作方式是MATLAB+ODBC+SQL Server的形式。
本文主要做了以下几个方面的内容:1、概述金融时间序列和证券技术分析,介绍了证券技术分析的理论某础和技术分析方法,本文结合使用K线类及形态类的技术特征,利用基于最小点实现了典型技术形态的模式识别。2、详细描述CBR技术,主要包括案例特征、案例识别和案例检索的思路及实现算法,利用检测出证券时间序列的各种技术形态的指标属性,包括识别形态的起止时间、成交量、MA、OBV、RSI等属性值的信息一并存入案例库,并实时进行案例修正和学习。利用案例检索的相似匹配算法一 NN算法,检索出与目标案例最相似的已经存在于案例库的源案例,实现对证券时间序列未来走势的预测,并验证了该模型在理论和实际.用中的准确性及有效性。下一步工作本文结合股票技术分析和CBR技术,以基于最大最小点模式识别出的股价技术形态为案例,在形态识别的基础上,结合技术指标,利用案例检索的相似匹配算法一NN算法,检索出与案例最相似的已经存在于案例库中的源案例,预测股票市场的将来价格走势,进行投资指导。结果表明,基于技术分析和CBR的证券时间序列预测模型能给予投资建议。
..........
参考文献(略)
本文编号：8277
1.1研究背景
市场获得利润投资者遵循一个简单的规则:“低买高卖"。虽然这个规则是简单的和众所周知的,但是难以跟随。这是因为市场的趋势是受很多因素的影响如政治和经济因素,方面,市场本身的影响这些因素。各种市场分析技术应用于解释股票市场和预测的未来趋势,但他们对小投资者是不利的,因为这些技术需要一定程度在金融和经济学的专业知识。此外,这些技术需要收集大量关于市场的数据,而且需要很多的计算,这对个人小投资者花费太多的精力。因此-个为小投资者进行交易决策的智能技术投资工具是非常有用的。智能技术包括使用模糊逻辑知识表示和使有用的推论或行动,专家系统对证据和启发式推理,神经网络分类和自适应学习,遗传算法解决优化和数据挖掘技术的知识发现等。这□智能技术方法在证券时间序列屮均有应用,通常是几种技术方法相结合能够实现更精准的预测:谭华,谢赤,储慧斌将模糊关联规则股票市场的交姑规则抽取,能很好的反映股票交易屮的实际情况;张素省fgi釆用逻辑判断和模糊决策系统相结合的方法对双重移动平均线技术指标进行处理,最终会给出合理的投资决策意见提出将模糊推理和技术分析有机的结合起来,定义了建立隶属度函数的方法,用模糊理论与模糊聚类分析来预测股票的买卖时机的系统;段军伟利用改进的神经网络分类器,设计和实现了一个基于神经网络的股票预测系统;李丰龙讨论了金融证券系统中的股票预测问题并深入研究了模糊神经网络和支持向量机模型对中国金融证券市场时间序列预测的理论和实际预测结果,并对其进行了分析、比较和评估;
.......
1.2研究现状案例
在前人研究的基础上从价量和风险两个角度提取了股票的若干市场交易属性作为判别指标,并通过二值Logistic回归分析确立了指标属性的权重;随后采用K最近邻法作为案例检索算法,并利用SQL语言对核心算法在数据库中进行了程序实现。推理(case based reasoning, CBR)是人工智能领域里的一种推理技术,源于认知科学中记忆在人类推理活动中所扮演的角色。1982年,美国耶鲁大学罗杰克在《Dynamic Memory》一书中提出了动态记忆理论,描述了记忆是如何随着经验的增长而自动修改和发展的,这被看作是CBR思想的正式来源。CBR作为实现人工贺能的重要方法,应用十分广泛。方圆,胡代平就如何对股价操纵行为进行判别做了研究,设计了一个基于案例推理的股价操纵行为判别系统。析应用于企业财务危机预警的案例推理中,采用特征属性的主客观权重计算案例相似度。得到的案例相似性排序结果符合实际情况,提高了相似企业的检索效率,满足了企业财务危机预警的要求。Zhanbo LEI- Yoshiyasu YAMADA- Jihong HUANG- You min Xl'"'提出CBR智能预警支持系统,它可以警告企业财务危机,有定量定性的专家知识和警告经验,应用遗传算法,提高了检索的精度和有效性。匹配又支持模糊匹配的特点,有效地检测那些故S偏离检测规则的攻出,降低漏报率。时序预测己有不少方法,如分解,指数平滑,随机模型,状态空间模型,贝叶斯模型,以及一些新方法如神经网络和模糊逻辑,人工智能领域的遗传算法和模式识别方法等。基丁的时序预测模型在国内外也均有研究。
.......
第二章金融时间序列及技术分析
2.1金融时间序列
很多潜在的重要信息和事物规律往往蕴含复杂的时间序列在,详尽的分析这类重要的复杂数据对象,便有可能揭示事物运动、变化和发展的内在规律.数据按固定的时间间隔采样,一组被观测数据或信息依次按照时间顺序进行排列。很多潜在的重要信息和事物规律往往蕴含在复杂的时间序列中,详尽的分析这类重要的复杂数据对象,便有可能揭示事物运动、变化和发展的内在规律.金融时间序列是金融资产收益序列的重要表现形式,例如股票、基金、外汇、金融衍生品等收益率的分时线、日线等,也是经济与金融领域中最重要的数据,因此对这类数据分析和预测在金融投资预测、决策和风险管理等方面具有重要意义.
.........
2.2证券技术分析理论依据
2.2.1技术分析的含义
长期以来,人们都在寻求战胜市场的方法,研究主要可分为两大流派:基木分析与技术分析。基本分析侧重于研究公司内、外部的多种因素,从而发现股价运动的规律;而技术分析却是直接从价格着手,以股价的动态和规律性为主要对象,结合对股票交易数量和投资心理等市场因素的分析,以帮助投资者选择投资机会。其中的技术分析,旨在直接分析证券市场的市场行为,其特征是根据市场以前和当下的行为,以数学为理论支撑,探索出一些重复出现的规律,以便于更好的预测证券市场将来价格走势。技术分析通常是重在研究证券市场行为,对于证券市场趋势的形成和转化的成因则不关注,重在强调价格走势的最终结果,注重研究证券市场的行为。技术分析方法一般分为指标类、切线类、形态类、K线类、波浪类等5大类,本文主要对指标类和形态类加以描述。K线又称錯烛线,是日本德川幕府时期,米商为分析米市行情变化而发明的,R线图取每日开市价、最高价、最低价、收市价绘制而成,开市价与收市价之间形成实体,收市价高于开市价,则K线为阳线,反之为阴线。同样可以根据每周、每月或每年的价格数据绘制周线图、月线图和年线图。K线图,已广泛应用于各种技术分析软件。价格图表是技术分析最基本的工具,它具有简捷、直观的优点。K线理论注重短炒,它预测期很短,为了弥补不足,将K线的组合扩展,组成一条上下波动的轨迹,来判别多空力量斗争,这就是移动趋势形态分析。
..........
第三章基于案例推理技术..........23
3.1人工智能与专家系统概述..........23
3.2基于案例推理的基本概念..........24
3.3基于案例推理过程..........26
第四章案例表示与案例库构造方法..........31
4.1案例特征..........31
4.2案例识别..........35
4.3案例表示..........36
第五章案例检索的相似匹配算法及特征权值估算方法..........39
5.1案例检索的相似匹配算法..........39
5.2特征权值估算法..........41
第六章基于技术分析和CBR的证券时间序列预测模型
6.1技术分析
本章详细介绍了案例搜索的相似匹配算法,包括搜索策略和NN算法;对特征权值估算方法只作了理论上的学习和改进,没有在本文中具体应用。将根据主观经验人为指定特征权值,采用NN算法实现CBR对证券时间序列的预测。通过对市场过去和现在的行为,应用数学和逻辑的方法,探索出一些典型的规律,对预测证券市场的未来变化趋势意义重大。针对这些技术需要一定程度在金融和经济学的专业知识,对小投资者不利,本文提出一种基于CBR技术的人工智能方法。CBR技术是从以往案例中搜索与,前问题相似的案例,并选择一个或多个与当前问题最相似和相关的案例,通过对所选案例的适当调整和改写,从而获得_前问题求解结果和对这一新案例的存储以备使用的一种推理模式系统与matlab连接本系统采用了专门的数据尔管理系统——SQL Server 2005,它足一个关系数据序it理系统,它提供的SQL语句可以很方便的对数据库进行各种各样的操作,例如更新数据库.中的数据、从数据库中提取数据等。数据操作方式是MATLAB+ODBC+SQL Server的形式。
........
第七章结论与展望
7.1本文工作
本文主要做了以下几个方面的内容:1、概述金融时间序列和证券技术分析,介绍了证券技术分析的理论某础和技术分析方法,本文结合使用K线类及形态类的技术特征,利用基于最小点实现了典型技术形态的模式识别。2、详细描述CBR技术,主要包括案例特征、案例识别和案例检索的思路及实现算法,利用检测出证券时间序列的各种技术形态的指标属性,包括识别形态的起止时间、成交量、MA、OBV、RSI等属性值的信息一并存入案例库,并实时进行案例修正和学习。利用案例检索的相似匹配算法一 NN算法,检索出与目标案例最相似的已经存在于案例库的源案例,实现对证券时间序列未来走势的预测,并验证了该模型在理论和实际.用中的准确性及有效性。下一步工作本文结合股票技术分析和CBR技术,以基于最大最小点模式识别出的股价技术形态为案例,在形态识别的基础上,结合技术指标,利用案例检索的相似匹配算法一NN算法,检索出与案例最相似的已经存在于案例库中的源案例,预测股票市场的将来价格走势,进行投资指导。结果表明,基于技术分析和CBR的证券时间序列预测模型能给予投资建议。
..........
参考文献(略)
本文编号：8277
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/8277.html
