基于小波分析和GA-SVR模型的股指期货价格预测方法研究

发布时间：2017-03-20 20:06

  本文关键词：基于小波分析和GA-SVR模型的股指期货价格预测方法研究，由笔耕文化传播整理发布。

【摘要】：股指期货和股票现货一样都是经济预期的“晴雨表”,并且股指期货具有价格发现和套期保值的功能,这些都使得它对于整个金融市场是具有重大意义的。虽然投资股指期货具有较高的收益性,但因为股指期货市场变幻莫测,价格也一直起伏跌宕,所以它同样存在较高的风险性。为了规避这种高风险投机者们一直在寻找一种有效的工具,能够准确分析和预测股指期货的价格,从而获取丰厚的收益。然而影响股指期货价格的因素非常之多,价格波动的变化也显得异常复杂,准确预测价格的变动趋势成为了一件较为困难的任务。本文的研究目的就是建立基于小波算法和遗传-支持向量技术的回归预测模型,使市场投机者可以较准确地预测股指期货价格的未来走势,降低投资风险的同时提高投资的收益。 本文首先总结了股指期货价格预测方面的研究进展和各种预测方法的研究进展;然后阐述了小波分析的理论基础和支持向量机理论基础,以及在具体应用中的各原理;接着根据支持向量机在用于预测时所存在的问题引出遗传算法这一优化方法,着重分析了支持向量机存在参数难以选择的问题,并探讨如何通过遗传优化算法来弥补这一缺陷;最后在这个基础上进行具体模型的构建和运用。 本文具体的研究方法是:首先运用小波分析做原始数据的前期处理,这样既可以去除原始数据中的噪音部分,也可以应用离散小波分析充分提取期货价格序列内隐含的波动和趋势信息,这样的数据处理可以更好地把握序列的波动性和内在的关联性,从而实现提高预测精度的目的;接着运用本文建立的基于小波分析和GA-SVR(Genetic Algorithm-Support Vector Regression)的学习模型来进行智能化训练以达到很好的预测效果;最后将该回归模型应用于股指期货的实际价格数据中,进行股指期货价格预测的实证研究。实证结果表明:结合小波分析进行数据处理可以提高最终的预测精度,遗传支持向量回归模型的预测精度也比一般的支持向量回归模型和其他一些常用预测模型的预测精度都要高,拟合和预测的效果也比较好。相比于过去的一般回归预测分析和套用简单人工智能技术两种策略而言,本文的预测方法具有更高的经济应用价值和广阔的发展前景。
【关键词】：股指期货价格预测 小波分析 支持向量回归 遗传算法
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F830.91;F224
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-19
• 1.1 研究背景与意义10-11
• 1.2 文献综述11-16
• 1.2.1 国内外对股指期货价格预测的研究11-14
• 1.2.2 国内外对时间序列预测方法的研究14-16
• 1.3 研究思路及框架16-19
• 第二章 股指期货价格预测研究的理论基础19-39
• 2.1 股指期货的特征19-21
• 2.2 小波分析理论基础21-29
• 2.2.1 小波函数的理论基础21-23
• 2.2.2 小波变换23-25
• 2.2.3 多分辨率分析25-26
• 2.2.4 Mallat 算法26-28
• 2.2.5 小波包分析28-29
• 2.3 支持向量回归 SVR 理论基础29-37
• 2.3.1 统计学习理论基础29-32
• 2.3.2 支持向量机（SVM）及其核函数介绍32-35
• 2.3.3 支持向量回归（SVR）原理35
• 2.3.4 线性支持向量机回归35-36
• 2.3.5 非线性支持向量机回归36-37
• 2.4 本章小结37-39
• 第三章 基于遗传算法的 SVR 优化理论39-51
• 3.1 支持向量机回归的参数选择问题39-41
• 3.2 支持向量机回归的参数选择方法41-44
• 3.3 遗传算法基本理论和算法流程44-50
• 3.3.1 遗传算法基本原理44-45
• 3.3.2 遗传算法结构分析与设计45-50
• 3.4 本章小结50-51
• 第四章 基于遗传算法的 SVR 优化模型51-59
• 4.1 基于遗传算法的支持向量回归模型的构建51-56
• 4.1.1 选择编码方式51-52
• 4.1.2 确定搜索范围52-53
• 4.1.3 设计适应度函数53-54
• 4.1.4 进行遗传操作54-55
• 4.1.5 遗传算法参数设定55-56
• 4.2 评价指标的选择56-58
• 4.3 本章小结58-59
• 第五章 应用研究59-71
• 5.1 数据准备与小波分析59-62
• 5.1.1 数据说明及预处理59
• 5.1.2 小波分解59-60
• 5.1.3 小波除噪60-61
• 5.1.4 小波重构61-62
• 5.2 基于 SVR 的股指期货日收盘价时间序列的预测实证62-70
• 5.2.1 基于单纯SVR 模型的股指期货日收盘价时间序列预测62-64
• 5.2.2 GA-SVR 模型的性能评价64-70
• 5.3 本章小结70-71
• 结论71-73
• 参考文献73-78
• 附录78-83
• 攻读硕士学位期间取得的研究成果83-84
• 致谢84-85
• 附件85

【引证文献】

中国期刊全文数据库 前1条

1 曹柯;危启才;田魁;;基于EMD和RVM的股指期货价格预测[J];武汉工业学院学报;2013年02期

中国硕士学位论文全文数据库 前1条

1 卫庆敏;基于小波分析的金融数据频域分析[D];华东师范大学;2012年

  本文关键词：基于小波分析和GA-SVR模型的股指期货价格预测方法研究，由笔耕文化传播整理发布。

，

本文编号：258361