基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测

发布时间：2017-03-23 23:06

  本文关键词：基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测，，由笔耕文化传播整理发布。

【摘要】：目前关于股市情绪指数的研究大多使用单一的情绪变量,而构建情绪指数的研究不多。动态神经网络应用于股市情绪指数方面的研究也较少。大多数情绪指数的构建也只停留在基本的时间序列分析上,运用的是传统的回归模型或者时间序列模型,利用动态神经网络并且以传统时间序列模型作为效果对比的研究较少。本文对目前使用的情绪指数构建进行了优化,分析了BW情绪指数构建的前提条件,根据提取共同因素的思想提出了一种新思路。如果每个代理变量都包含三个层面的信息,即共同的基本因素、共同的情绪因素和特质因素,那么先对每个代理变量进行剔除基本因素的处理后,所提取的主成分即是投资者情绪。与现有研究不同的是,本文通过多个单一情绪变量指标,利用主成分分析方法构建情绪指数,再通过NARX动态神经网络进行实证分析。最后,用传统的时间序列ARIMA模型作为对比,得出NARX动态神经网络用于回归预测上海综合股价指数是可行的,并且结果好于ARIMA模型。
【关键词】：情绪指数 主成分分析 NARX ARIMA
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;F832.51;F224
【目录】：

• 中文摘要3-4
• Abstract4-6
• 第一章 绪论6-8
• 1.1 研究背景6
• 1.2 研究现状6-7
• 1.3 本文的研究内容和创新之处7-8
• 第二章 主成分分析8-12
• 2.1 主成分分析的基本原理8-9
• 2.2 主成分分析的基本理论9
• 2.3 主成分分析的基本步骤9-12
• 第三章 动态神经网络12-16
• 3.1 动态神经网络12-14
• 3.2 NARX动态神经网络原理14-16
• 第四章 构建情绪指数16-27
• 4.1 指标选取18-20
• 4.2 基于主成分分析构建情绪指数20-24
• 4.3 基于动态神经网络的回归预测24-27
• 第五章 ARIMA模型27-35
• 5.1 ARIMA模型简介27-28
• 5.2 平稳性检验28-33
• 5.3 建立ARIMA模型33-35
• 第六章 结论和展望35-36
• 6.1 结论35
• 6.2 展望35-36
• 参考文献36-37
• 致谢37

【相似文献】

中国期刊全文数据库 前10条

1 王崇;赵金楼;;基于动态神经网络的消费者购买行为特征的挖掘[J];情报杂志;2011年11期

2 刘学广,王登峰,常振臣,张建南,薛殿伦;动态神经网络方法在车内噪声参考信号拾取上的应用[J];河北工业科技;2004年03期

3 韩卫华,宁佐贵;时间序列预测的动态神经网络方法[J];微机发展;2004年09期

4 田松柏;张耀辉;郭金茂;陈悦峰;;基于动态神经网络的装备技术状态预测模型[J];装甲兵工程学院学报;2007年01期

5 房毅宪;邢延健;李胜正;;时延动态神经网络的稳定性分析[J];山东轻工业学院学报(自然科学版);2010年01期

6 张敏;申晓宁;殷利平;;采用动态神经网络的多模型自适应重构控制方法[J];计算机测量与控制;2012年05期

7 傅鹂，裴小兵;一种指数型动态神经网络的定性分析[J];重庆大学学报(自然科学版);1996年06期

8 黄金泉,孙健国;非线性系统的动态神经网络自适应辨识[J];南京航空航天大学学报;1999年03期

9 孙富春,孙增圻,慕春棣;采样非线性系统的动态神经网络稳定自适应控制[J];自动化学报;2000年06期

10 诸勇,钱积新;基于鲁棒稳定高阶动态神经网络的非线性系统的辨识[J];浙江大学学报(工学版);2001年01期

中国重要会议论文全文数据库 前5条

1 黄西士;吴沧浦;;一种用于跟踪控制的动态神经网络[A];1993中国控制与决策学术年会论文集[C];1993年

2 诸勇;钱积新;;基于鲁棒稳定高阶动态神经网络的非线性系统的辨识[A];1998年中国控制会议论文集[C];1998年

3 项n\伍;;自适应动态神经网络控制感应电机系统[A];2003年中国智能自动化会议论文集（上册）[C];2003年

4 郝悍勇;张宇;孙增圻;;一种基于UIO和动态神经网络的复合故障诊断方法[A];2005年中国智能自动化会议论文集[C];2005年

5 刘耀年;赵明宇;王震宇;;基于动态神经网络的电力系统短期负荷在线预测研究[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

中国博士学位论文全文数据库 前2条

1 麦欢欢;非线性的耦合系统一致性问题研究[D];重庆大学;2012年

2 范剑超;微粒群优化算法与动态神经网络建模预测研究[D];大连理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 赵晨;动态神经网络在量化投资预测中的应用[D];复旦大学;2014年

2 陈雯吉;基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测[D];兰州大学;2016年

3 谭晓惠;动态神经网络的稳定性研究及应用[D];西南交通大学;2002年

4 吕琪;基于动态神经网络的交通事件检测算法[D];浙江大学;2003年

5 王颖;基于动态神经网络的系统建模理论及优化技术研究[D];东北石油大学;2011年

6 张明;基于改进动态神经网络的股票预测模型的研究[D];内蒙古大学;2014年

7 郑伟范;动态神经网络的定性分析[D];西南交通大学;2004年

8 尹嵩;基于动态神经网络的支持向量机的FPGA实现[D];西安理工大学;2009年

9 田玉松;动态神经网络与分数阶Fourier变换的研究及其应用[D];大连理工大学;2006年

10 杨航;电流型开关电源的动态神经网络逆控制研究[D];华东理工大学;2014年

  本文关键词：基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测，由笔耕文化传播整理发布。

本文编号：264714