基于遗传算法优化的马尔可夫链预测上证指数模型的研究

发布时间：2017-09-30 00:21

  本文关键词：基于遗传算法优化的马尔可夫链预测上证指数模型的研究

  更多相关文章： 支持向量机回归 径向基函数神经网络 遗传算法 马尔可夫链 上证指数收盘价预测

【摘要】：在股票市场不断发展的今天,股票投资已成为不少人生活中重要的资本经营方式。如何准确地分析、预测股市走势来提高投资收益是投资者十分关注的问题。近年来随着人工智能技术的兴起,国内外众多研究学者对如何将人工智能技术应用于股票预测领域进行大量的研究与探索。本文提出一种将遗传算法(Genetic Algorithm,GA)与马尔可夫链进行组合来分别优化径向基函数(Radial Basis Function,RBF)神经网络模型与支持向量机回归(Support Vector Regression,SVR)模型的新方法,并将优化后的组合模型应用于对上证指数收盘价的预测中。本文做的工作主要有以下几方面:①详细论述了国内外学者对股票预测的研究现状,并介绍了本文的相关技术基础知识,为接下来实现模型奠定良好的基础。②分别建立两个未经优化的预测模型——RBF神经网络模型与SVR模型并预测上证指数收盘价。两种模型均选取相同时间范围的实验数据作为实验模型的训练样本和测试样本。③使用GA优化过的马尔可夫链分别对RBF神经网络模型与SVR模型预测值与真实值之间的相对误差进行修正。实验结果表明,基于GA优化的马尔可夫链的RBF神经网络模型预测精度高于基于RBF神经网络模型与基于马尔可夫链优化的RBF神经网络模型,并且基于GA优化的马尔可夫链的SVR模型预测精度比基于SVR模型与基于马尔可夫链优化的SVR模型更高。因此,该组合方法具有可行性与有效性。此外,本文对两种组合模型进行对比发现,在预测精度方面,基于GA优化的马尔可夫链的SVR模型优于基于GA优化的马尔可夫链的RBF神经网络模型。
【关键词】：支持向量机回归 径向基函数神经网络 遗传算法 马尔可夫链 上证指数收盘价预测
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;O211.62
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 课题背景8-9
• 1.2 课题研究内容9-10
• 1.3 课题研究意义10
• 1.4 国内外研究现状10-13
• 1.5 本文组织结构13-14
• 2 相关技术及研究基础14-29
• 2.1 人工神经网络14-19
• 2.1.1 神经元模型14-16
• 2.1.2 人工神经网络拓扑结构16-17
• 2.1.3 RBF神经网络模型17-19
• 2.2 遗传算法19-22
• 2.2.1 遗传算法基本原理19-20
• 2.2.2 遗传算法流程图20-21
• 2.2.3 遗传算法涉及理论与技术21-22
• 2.3 SVR模型22-27
• 2.3.1 统计学习理论22-23
• 2.3.2 支持向量机23-24
• 2.3.3 支持向量机回归24-27
• 2.4 马尔可夫链27-28
• 2.5 本章小结28-29
• 3 基于单一RBF神经网络模型与SVR模型29-37
• 3.1 基于RBF神经网络模型29-33
• 3.1.1 基于RBF神经网络模型的流程29-30
• 3.1.2 数据预处理30
• 3.1.3 RBF神经网络参数设置30-31
• 3.1.4 RBF神经网络模型预测结果31-33
• 3.2 基于支持向量机回归预测模型33-36
• 3.2.1 SVR模型流程34
• 3.2.2 SVR方法的参数设置34-35
• 3.2.3 SVR模型的预测结果35-36
• 3.3 本章小结36-37
• 4 基于GA优化的马尔可夫链的RBF神经网络模型37-49
• 4.1 基于马尔可夫链优化的RBF神经网络模型37-41
• 4.2 基于GA优化的马尔可夫链的RBF神经网络模型的流程41-44
• 4.2.1 GA对马尔可夫链状态划分的优化42-43
• 4.2.2 马尔可夫链对预测误差的修正43-44
• 4.3 实验结果分析44-47
• 4.3.1 基于GA优化的马尔可夫链的RBF神经网络模型实验结果分析44-45
• 4.3.2 三种模型预测性能对比与分析45-47
• 4.4 本章小结47-49
• 5 基于GA优化的马尔可夫链的SVR模型49-60
• 5.1 基于马尔可夫链优化的SVR模型50-53
• 5.2 基于GA优化的马尔可夫链的SVR模型的流程53-55
• 5.2.1 GA优化马尔可夫链状态划分54-55
• 5.2.2 马尔可夫链对预测误差的修正55
• 5.3 实验结果分析55-59
• 5.3.1 基于GA优化的马尔可夫链的SVR模型实验结果分析55-57
• 5.3.2 模型预测性能对比与分析57-59
• 5.4 本章小结59-60
• 6 总结与展望60-62
• 6.1 工作总结60
• 6.2 未来的展望60-62
• 致谢62-63
• 参考文献63-67
• 附录67
• A. 作者在攻读学位期间发表的论文目录67

【相似文献】

中国期刊全文数据库 前10条

1 刘迎春;;沪深300指数与上证指数关系的实证研究[J];辽宁经济;2008年12期

2 姜娉婷;刘颖博;;上证指数与基金资产配置相关性实证研究[J];金融经济;2009年14期

3 叶中行,杨利平;上证指数的混沌特性分析[J];上海交通大学学报;1998年03期

4 朱宁;徐标;仝殿波;;上证指数的时间序列预测模型[J];桂林电子工业学院学报;2006年02期

5 范漪涵;;生存模型对上证指数涨跌天数的探讨[J];科协论坛(下半月);2007年03期

6 王强;秦安增;;上证指数短期预测的数学模型[J];电脑编程技巧与维护;2009年04期

7 栾s，

本文编号：945089