基于影响力传动模型的股市趋势预测研究

发布时间：2017-05-11 10:10

  本文关键词：基于影响力传动模型的股市趋势预测研究，由笔耕文化传播整理发布。

【摘要】：伴随我国经济健康高速发展,人民生活水平逐渐提高,在股票市场的再投资成为人们对于富余财产一种重要的理财手段。然而股票金融市场是一个高度复杂的系统,由于股票价格波动具有较强的突变性且易受外界因素影响,股市中的高风险往往伴随着高利润而并存。股票预测准确率的提高意义重大,但却极具挑战性。在课题研究中,分析股市趋势的走向和数据特征,发现不同分时线之间的传动关系与股市趋势具有内在相关性。针对趋势预测中易突变特性和大数据中冗余干扰数据多的问题,从股价同步性的新角度,提出了基于影响力传动的Kuramoto股市预测模型(IT-KFM)和分层次影响力的股市趋势预测模型(HI-TPM),研究工作分别如下：(1)从股价同步性特征的思路入手,分析了股价同步性的涵义和分析方法,而股市中不同分时线之间的同步现象可以一定程度上揭示股市中趋势走向的基本机制。IT-KFM模型基于动力物理学Kuramoto同步模型,首先运用贝叶斯网络构建振子之间的结构关系,形式化股市分时线Kuramoto预测模型；然后,引入影响力传动并给出传动因子量化方法,将传动因子的传动参数,加入到原Kuramoto模型中,最后根据不同振子相位间协方差的趋势变化分析和预测股市趋势。在上证大盘数据上进行实验结果证明,IT-KFM算法相对于标准的SvM网络,在股票的走势预测方面有较好的预测效果。(2) IT-KFM模型中仅仅采用移动平均线数据作为影响力传动因子,而移动平均线数据具有延时特征,这个会导致预测模型的准确度降低。HI-TPM在IT-KFM模型上进行改进,从影响力传动因子出发,挖掘多个合适的技术指标的分层次影响力作为耦合作用,采用层次分析法赋予影响力因子的权值,在不同的层次之间用层次分析法分别确定传动因子的类型及其权值比例。在与IT-KFM模型同样的数据集中进行对比实验中,预测效果有所提升。实验测试和对比分析表明,IT-KFM和HI-TPM模型具有不错的预测准确率；同时实验结果证明股市指标影响力的传动与股市趋势具有一定的关联性,对股市趋势的预测模型研究具有重要意义。
【关键词】：Kuramoto模型 贝叶斯网络 股市预测 影响力传动 传动因子 层次分析法
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 绪论15-21
• 1.1 选题背景15-16
• 1.2 股市研究意义和目的16-17
• 1.3 国内外研究现状17-19
• 1.3.1 股市预测方法17-19
• 1.3.2 影响力模型19
• 1.4 本文特色分析与组织结构19-21
• 第二章 基本理论及股价同步性21-26
• 2.1 贝叶斯定理21
• 2.2 贝叶斯网络21-22
• 2.3 股价同步性22-25
• 2.3.1 股价同步性的含义22-23
• 2.3.2 股价同步性的度量方法23-25
• 2.4 本章小结25-26
• 第三章 基于影响力传动的Kuramoto股市预测模型26-40
• 3.1 概述26
• 3.2 Kuramoto模型26-27
• 3.2.1 Kuramoto模型的概念26-27
• 3.2.2 对于同步的认识27
• 3.3 基于影响力传动的Kuramoto股市预测27-33
• 3.3.1 收盘价涨幅28
• 3.3.2 影响力28-30
• 3.3.3 影响力传动因子-相对均线距离30-31
• 3.3.4 股市中的Kuramoto模型形式化31-32
• 3.3.5 协方差32
• 3.3.6 影响力传动的Kuramoto股市预测模型32-33
• 3.4 实验数据处理以及实验结果分析33-39
• 3.4.1 实验环境以及数据集33
• 3.4.2 K2算法学习网络结构,并进行优化33-35
• 3.4.3 最优耦合强度k_c的学习35
• 3.4.4 模型训练和数据预测35-38
• 3.4.5 SVM模型对比实验38
• 3.4.6 实验结果分析38-39
• 3.5 本章小结39-40
• 第四章 分层次影响力的股市趋势预测模型40-56
• 4.1 概述40-41
• 4.2 从重要技术指标中提取影响力传动因子41-46
• 4.2.1 影响力传动因子之-MACD指标41
• 4.2.2 影响力传动因子之-成交量有效放量比41-42
• 4.2.3 影响力传动因子之-极限宽指标42-44
• 4.2.4 影响力传动因子之-移动平均线的状态组合44-46
• 4.3 分层次影响力的股市趋势预测模型46-48
• 4.3.1 分层次影响力46-47
• 4.3.2 赋权的方法47
• 4.3.3 分层次影响力的股市趋势预测模型算法步骤47-48
• 4.4 实验数据处理和实验结果分析48-55
• 4.4.1 从大智慧客户端上下载分时线股市交易数据48
• 4.4.2 网络结构的学习48-49
• 4.4.3 传动因子指标的对比及选择49-51
• 4.4.4 模型训练和股市趋势预测51-54
• 4.4.5 实验预测准确度对比以及实验结果分析54-55
• 4.5 本章小结55-56
• 第五章 总结与展望56-58
• 5.1 论文工作总结56-57
• 5.2 工作展望57-58
• 参考文献58-62
• 攻读硕士学位期间的学术活动及成果情况62-63
• 1) 参加的学术交流与科研项目62
• 2) 发表的学术论文(含专利和软件著作权)62-63

【相似文献】

中国期刊全文数据库 前10条

1 施建淮;;基于信息的双重危机模型及其在东亚危机中的应用[J];经济学(季刊);2001年01期

2 保罗·克鲁格曼;论新一代危机模型[J];国际金融研究;2001年10期

3 陈小平;品牌的认知进化与模型分析[J];企业改革与管理;2001年03期

4 方丹;江孝感;;政府间管制效率的比较模型分析[J];东南大学学报(哲学社会科学版);2006年S1期

5 曾婧;蔡银寅;;监督与激励:改善企业生产管理的二元结构模型分析[J];财会月刊;2009年21期

6 宋琴;胡凯;;政府干预、银行信贷与企业融资——基于激励与抽租权衡的模型分析[J];甘肃金融;2010年08期

7 高倩;申毅;李天然;赵媛;;由南京旅游收入的模型探讨民国旅游资源的利用[J];学理论;2011年12期

8 李之勇;李树刚;;工程变更技术及模型分析[J];中国高新技术企业;2011年13期

9 喻小军，罗荣桂;我国民营企业增长模型分析[J];中南财经大学学报;1995年05期

10 范钛;现代管理生产力的解构与模型分析[J];社会科学研究;1998年02期

中国重要会议论文全文数据库 前10条

1 钱林晓;王一涛;;对应试教育条件下学生学习行为的模型分析[A];2005年中国教育经济学年会会议论文集[C];2005年

2 高林;刘喜梅;;多模型中权值确定的新方法及其应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

3 朱萍;刘伟泽;万立滨;;基于实证研究的知识管理路线、方法和模型分析[A];航空工业档案学会七届四次理事会暨2013年度优秀论文交流会论文集[C];2013年

4 潘洁;周宗放;;全流通下KMV模型中的违约点修正及实证研究[A];中国企业运筹学[C];2009年

5 肖田元;;仿真是基于模型的活动[A];新观点新学说学术沙龙文集37：仿真是基于模型的实验吗[C];2009年

6 吴义忠;陈立平;张昌杰;;基于多领域模型分析的参数优化研究[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集（下）[C];2007年

7 毛曹珏;曹锐;;两种缺陷接地结构的模型分析[A];2007年全国微波毫米波会议论文集（下册）[C];2007年

8 董维中;;气体模型对钝体高超声速流动数值计算影响的分析[A];第十届全国计算流体力学会议论文集[C];2000年

9 侯建荣;黄培清;;基于Ito随机微分方程的客户群变动模型分析[A];2004年中国管理科学学术会议论文集[C];2004年

10 肖婷婷;;经典的逃税模型及其两周期扩展[A];第四届中国不确定系统年会论文集[C];2006年

中国重要报纸全文数据库 前4条

1 范超;浅谈如何备战统计建模大赛[N];中国信息报;2011年

2 媛萍;用模型分析企业战略要素[N];中国高新技术产业导报;2002年

3 牛津大学博士 阿姆斯（RMS）风险管理公司亚太地区代表 高航;由近期亚太地区地震看巨灾风险[N];中国保险报;2012年

4 编译 史一卓;印度应用气象模型监测臭氧污染[N];中国气象报;2014年

  本文关键词：基于影响力传动模型的股市趋势预测研究，，由笔耕文化传播整理发布。

本文编号：357031