基于隐马尔科夫模型（HMM）的股票价格预测分析

发布时间：2017-04-06 19:02

  本文关键词：基于隐马尔科夫模型（HMM）的股票价格预测分析，，由笔耕文化传播整理发布。

【摘要】：随着经济的不断发展,作为“晴雨表”的股票市场逐渐受到关注,股票投资成为一种重要的投资方式。股票价格的预测研究工作对于国家宏观经济调控和个人投资都具有重要的指导意义。本文深入分析了当前股票市场面临的问题以及股票价格预测的相关方法,提出了运用隐马尔科夫模型(HMM)对股票价格进行预测的可行性。首先,文章详细介绍了HMM的理论框架,包括HMM的概念、原理、三个经典问题以及对应的解决算法。其中,三个经典问题分别为评估问题、解码问题和学习问题,其对应的算法为前向—后向(Forward-backward)算法、Viterbi算法和Baum-Welch算法。其次,在已有的理论基础上,将HMM运用于股票价格预测中。具体解法是以股票价格的开盘价、收盘价、最高价和最低价为观测序列,运用BIC、OEHS准则等标准确定隐状态个数;通过Baum-Welch算法,对HMM的初始参数进行重估;选择Viterbi算法对数据模式进行识别,并运用极大似然概率估计方法,找出与目标序列相似的模式,借助单日预测方法对未来一天的收盘价格进行预测;并用绝对平均误差对模型的预测精度进行测定。第三,优化传统的隐马尔科夫模型。一方面,对原始数据进行小波去噪处理,去除干扰噪声,留存有用信息;另一方面,改进预测计算方法,运用多日加权预测法进行预测。第四,运用MATLAB 2010a软件对模型的预测过程进行实证分析。根据当前政策导向,选取农业银行(601288)和民生银行(600016)两支股票,结合小波分析、加权预测法和传统的HMM,运用改进的HMM对股票价格进行预测。同时,也分别运用传统的HMM模型、ARIMA模型、GARCH模型和BP神经网络模型进行预测,通过绝对平均误差测定各个模型的预测精度。实证结果表明,相对于其他预测模型而言,改进的HMM的预测精度较好,且15日加权的预测效果已达到较好水平。最后,给出全文结论。说明改进的HMM在股票价格预测中具有较强的优越性和应用价值,为股票价格的预测打开了新的研究思路。
【关键词】：隐马尔科夫模型 股票价格预测 小波分析 绝对平均误差
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F224;F830.9
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 引言6-13
• 1.1 研究背景与意义6-7
• 1.2 国内外研究现状7-11
• 1.2.1 金融时间序列的研究成果7
• 1.2.2 隐马尔科夫模型的国内外研究动态7-11
• 1.3 本文研究内容11-12
• 1.4 本文创新之处12-13
• 第二章 预测股票价格的方法13-20
• 2.1 股票价格预测面临的问题13-14
• 2.2 预测分析方法14-19
• 2.2.1 定性预测分析14-15
• 2.2.2 定量预测分析15-19
• 2.3 预测方法的比较19-20
• 第三章 隐马尔科夫模型理论20-30
• 3.1 马尔科夫过程20-21
• 3.2 隐马尔科夫模型原理21-23
• 3.3 隐马尔科夫模型结构23-24
• 3.4 隐马尔科夫模型的三个经典问题24-26
• 3.4.1 评估问题（Evaluation）24-25
• 3.4.2 解码问题（Decoding）25-26
• 3.4.3 学习问题（Learning）26
• 3.5 隐马尔科夫模型算法26-30
• 3.5.1 前向 后向（Forward-backward）算法26-27
• 3.5.2 Viterbi算法27-28
• 3.5.3 Baum Welch算法28-30
• 第四章 隐马尔科夫模型在股价预测中的应用30-39
• 4.1 传统的隐马尔科夫模型30-34
• 4.1.1 模型设定标准30-32
• 4.1.2 模型参数估计32-33
• 4.1.3 模式识别33
• 4.1.4 股票价格预测33-34
• 4.1.5 预测精度检验34
• 4.2 改进的隐马尔科夫模型34-36
• 4.2.1 小波分析34-35
• 4.2.2 改进的预测方法35-36
• 4.3 HMM的MATLAB函数36-39
• 第五章 隐马尔科夫模型股价预测的实证研究39-52
• 5.1 样本选取说明39-41
• 5.2 小波去噪41-42
• 5.3 隐马尔科夫模型建立42-46
• 5.4 其他模型预测46-51
• 5.4.1 ARIMA模型预测结果46-48
• 5.4.2 GARCH模型预测结果48-50
• 5.4.3 BP神经网络模型预测结果50-51
• 5.5 模型的预测精度比较51-52
• 第六章 结论与研究展望52-53
• 6.1 结论52
• 6.2 研究展望52-53
• 参考文献53-56
• 攻读学位期间的研究成果56-57
• 附录57-63
• 致谢63-64

【相似文献】

中国期刊全文数据库 前10条

1 吴菊珍;徐晔;龚新桥;;灰色预测在股票价格预测中的应用[J];统计与决策;2007年01期

2 施航;马琳达;;人工神经网络在股票价格预测中的应用[J];电脑开发与应用;2007年09期

3 王晴;;组合模型在股票价格预测中应用研究[J];计算机仿真;2010年12期

4 胡俊;桂霏;杨桂元;;组合模型对股票价格预测的比较研究[J];重庆科技学院学报(社会科学版);2012年04期

5 刘小兰;;改进支持向量机的股票价格预测研究[J];农业网络信息;2012年09期

6 李忍东;饶佳艺;严亚宁;;基于智能计算的股票价格预测[J];科技通报;2013年04期

7 徐维维;高风;;灰色算法在股票价格预测中的应用[J];计算机仿真;2007年11期

8 朱嘉瑜;叶海燕;高鹰;;基于隐马尔可夫模型的股票价格预测组合模型[J];计算机工程与设计;2009年21期

9 王玲;;最优组合模型在证券市场预测中的应用研究[J];计算机仿真;2012年01期

10 刘斐弘;;神经网络在股票价格预测中的应用——基于三种网络的比较分析[J];时代金融;2012年15期

中国重要会议论文全文数据库 前1条

1 于志军;杨善林;;基于误差校正的GARCH股票价格预测模型[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

中国硕士学位论文全文数据库 前10条

1 黄冉;基于隐马尔科夫模型（HMM）的股票价格预测分析[D];青岛大学;2015年

2 沈志刚;支持向量回归机在股票价格预测中的分析与应用[D];暨南大学;2007年

3 吕欣;基于神经网络股票价格预测模型及系统的研究[D];吉林大学;2010年

4 高立刚;支持向量机及其在股票价格预测方面的应用[D];北京工业大学;2006年

5 胡艺博;基于小波—粒子滤波算法的股票价格预测研究[D];吉林大学;2008年

6 陈丽琼;函数型数据分析方法在股票价格预测上的应用[D];厦门大学;2014年

7 唐广宇;股票价格预测的时间序列组合模型方法[D];湘潭大学;2013年

8 张克宜;基于改进GM（1，N）和优化SVM组合模型的股票价格预测[D];哈尔滨工业大学;2013年

9 姜爱宇;部分线性模型在股票价格预测中的应用研究[D];辽宁师范大学;2012年

10 王毅;集成时序分析与形态理论的证券价格预测方法[D];合肥工业大学;2005年

  本文关键词：基于隐马尔科夫模型（HMM）的股票价格预测分析，由笔耕文化传播整理发布。

本文编号：289454