隨著改革開放的發(fā)展,中國的股票市場逐漸被世界主要經(jīng)濟(jì)體認(rèn)可,國內(nèi)股市吸引了越來越多的境外投資者。股票價格預(yù)測系統(tǒng)的目的是為金融市場的經(jīng)營者提供異常收益,并成為風(fēng)險(xiǎn)管理工具的基礎(chǔ)。大數(shù)據(jù)時代的來臨,計(jì)算機(jī)信息技術(shù)和金融工程聯(lián)系日益密切,在股票交易機(jī)制的發(fā)展中,使用機(jī)器學(xué)習(xí)算法的計(jì)算密集型系統(tǒng)越來越普遍。國內(nèi)外許多學(xué)者運(yùn)用統(tǒng)計(jì)學(xué)習(xí)方法,在科學(xué)理論的支撐下建立股票價格預(yù)測模型,并且已經(jīng)應(yīng)用于股市的價格和漲跌趨勢預(yù)測。本文在支持向量回歸（SVR）的基礎(chǔ)上,引入非線性技術(shù)的降維方法組合成集成學(xué)習(xí)模型,對中國股市指數(shù)進(jìn)行預(yù)測,該課題具有一定的研究意義和應(yīng)用前景。本文以上海證券交易所的股指數(shù)作為課題研究對象,把SVR模型理論應(yīng)用在股票市場不同頻率價格的預(yù)測。首先,基于股票價格預(yù)測問題選取每日數(shù)據(jù)和每分鐘數(shù)據(jù)進(jìn)行模型參數(shù)選擇,構(gòu)建了非線性的支持向量回歸預(yù)測模型,并對轉(zhuǎn)換后的收盤價格進(jìn)行預(yù)測。在訓(xùn)練模型之前,根據(jù)國內(nèi)外研究文獻(xiàn),選取合適的TA技術(shù)指標(biāo)作為模型輸入變量。考慮到不同的數(shù)據(jù)特征變量組合在模型預(yù)測時會表現(xiàn)出不同的預(yù)測結(jié)果,為了進(jìn)一步防止特征變量陷入“高維詛咒”的陷阱,引入非線性技術(shù)的核主成分分析... 

【文章來源】：蘭州大學(xué)甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

線性數(shù)據(jù)和非線性數(shù)據(jù)的區(qū)別

蘭州大學(xué)碩士學(xué)術(shù)論文基于核主成分分析和支持向量回歸對每日和每分鐘股票價格的預(yù)測23指數(shù)移動平均線通過對近期價格添加更大的權(quán)重來減少滯后，這個權(quán)重取決于移動平均線的周期數(shù)（N）。通過以上特征指標(biāo)的討論，我們給出確定的數(shù)據(jù)集S，包括輸入變量和輸出變量兩個部分。=111111,11,21,3…1,222222,12,22,32,3,1,2,3…,12其中在上述矩陣S中，N代表樣本容量，M代表指標(biāo)個數(shù)，數(shù)據(jù)集S的部分具體值如圖3.1所示。圖3.1每日股票數(shù)據(jù)部分樣本展示3.4股票數(shù)據(jù)集的標(biāo)準(zhǔn)化股票數(shù)據(jù)的時序性和復(fù)雜性讓它的真實(shí)數(shù)據(jù)集出現(xiàn)很多離群值，對于一個m維的樣本來說，取值范圍不同產(chǎn)生了不同的分量，大數(shù)量個數(shù)的樣本分量對模型產(chǎn)生相對較大的影響，而小分量對模型的影響因素普遍較小，小數(shù)就會被大數(shù)所“淹沒”，進(jìn)而失去了存在意義，嚴(yán)重時會導(dǎo)致信息丟失；另一方面在模型輸入過程中，個別數(shù)據(jù)值因?yàn)檫^大或過小，會導(dǎo)致計(jì)算后的數(shù)據(jù)因?yàn)樵浇鐝亩バ畔�。通常我們在解決大小值問題會進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，常用的有“歸一化”、“統(tǒng)計(jì)標(biāo)準(zhǔn)化”、“對數(shù)標(biāo)準(zhǔn)化”等。經(jīng)過標(biāo)準(zhǔn)化處理后可以將原數(shù)據(jù)集轉(zhuǎn)換到統(tǒng)一區(qū)間，讓各個指標(biāo)值處以同一量級別上。在本研究中選取歸一化標(biāo)準(zhǔn)化處理[52]，就是最大最小標(biāo)準(zhǔn)化方法，它是通過把搜集的數(shù)據(jù)進(jìn)行最大最小值線性變化，將數(shù)據(jù)映射到區(qū)間[1,1]中，有公式（49）給出具體表達(dá)式：′=2()1,(49)其中x表示原數(shù)據(jù)值，′表示標(biāo)準(zhǔn)化后的值。

蘭州大學(xué)碩士學(xué)術(shù)論文基于核主成分分析和支持向量回歸對每日和每分鐘股票價格的預(yù)測26優(yōu)參數(shù)組合(,′,,,)，共有6144種組合需要測試。表4.1的內(nèi)容是KPCA-SVR模型參數(shù)優(yōu)化的算法過程，圖4.2表示的是參數(shù)組合優(yōu)化的具體過程，其中=1,2,,。表4.1KPCA-SVR模型優(yōu)化參數(shù)算法輸入：股票數(shù)據(jù)集輸出：最優(yōu)參數(shù)組(,′,,,)執(zhí)行：⒈股票數(shù)據(jù)集預(yù)處理：篩癬歸一化、劃分訓(xùn)練集和測試集，生成新的數(shù)據(jù)集和；⒉定義參數(shù)組：引入核主成分KPCA參數(shù)(,′)，非線性支持向量回歸SVR參數(shù)(,,)，其中n的個數(shù)為K,其余參數(shù)取值個數(shù)是T；⒊生成=××××種參數(shù)組組合；⒋在訓(xùn)練集上把M組參數(shù)組帶入KPCA-SVR模型在網(wǎng)格搜索的基礎(chǔ)上進(jìn)行10折交叉驗(yàn)證訓(xùn)練；⒌生成(1,2,3,,)；⒍輸出最小N對應(yīng)參數(shù)組(,′,,,)。圖4.2參數(shù)優(yōu)化過程4.3模型的評價指標(biāo)不管何種模型對股票的預(yù)測總會出現(xiàn)誤差，預(yù)測值并不是實(shí)際值，預(yù)測值與真實(shí)值之間的誤差大小就是評價預(yù)測方法有效與否的決定性指標(biāo)，預(yù)測值越接近真實(shí)值，預(yù)測方法效果越好。為了評估模型預(yù)測的優(yōu)劣性，提出以均方誤差（MSE）、均方根誤差（RMSE）和平均絕對誤差（MAE）用于評估模型方法的性能，其中采用十折交叉驗(yàn)證的均方誤差（MSE）值來評估模型的參數(shù)誤差，而均方根誤差

【參考文獻(xiàn)】：
期刊論文
[1]金融發(fā)展、政府作用與經(jīng)濟(jì)增長——基于經(jīng)濟(jì)水平的視角[J]. 潘林偉,吳婭玲.  金融與經(jīng)濟(jì). 2017(08)
[2]多重馬氏鏈模型在股市預(yù)測中的應(yīng)用[J]. 費(fèi)時龍,任洪光.  德州學(xué)院學(xué)報(bào). 2016(04)
[3]論我國證券市場發(fā)展的現(xiàn)狀、問題及對策[J]. 楊榮蕾.  環(huán)球市場信息導(dǎo)報(bào). 2016(26)
[4]基于SVR的股市預(yù)測與擇時研究[J]. 張鵬.  重慶文理學(xué)院學(xué)報(bào)(社會科學(xué)版). 2016(02)
[5]基于C4.5決策樹的股票數(shù)據(jù)挖掘[J]. 王領(lǐng),胡揚(yáng).  計(jì)算機(jī)與現(xiàn)代化. 2015(10)
[6]引入趨勢因子的BP模型在股市預(yù)測中應(yīng)用[J]. 孫海波,王麗敏,韓旭明.  統(tǒng)計(jì)與決策. 2015(19)
[7]基于誤差校正的GARCH股票價格預(yù)測模型[J]. 于志軍,楊善林.  中國管理科學(xué). 2013(S1)
[8]時間序列模型和神經(jīng)網(wǎng)絡(luò)模型在股票預(yù)測中的分析[J]. 劉海玥,白艷萍.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2011(04)
[9]ARMA模型參數(shù)估計(jì)算法改進(jìn)及在股票預(yù)測中的應(yīng)用[J]. 何永沛.  重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2009(02)
[10]社會主義市場經(jīng)濟(jì)與股票市場[J]. 溫桂芳.  財(cái)經(jīng)問題研究. 1993(04)

博士論文
[1]基于支持向量機(jī)的金融時間序列分析預(yù)測算法研究[D]. 鮑漪瀾.大連海事大學(xué) 2013

碩士論文
[1]基于支持向量回歸機(jī)模型的價格預(yù)測[D]. 馬雪姣.鄭州大學(xué) 2018
[2]基于BP神經(jīng)網(wǎng)絡(luò)和GARCH模型的中國銀行股票價格預(yù)測實(shí)證分析[D]. 林楠.蘭州大學(xué) 2014
[3]基于支持向量機(jī)的股市預(yù)測研究[D]. 金得寶.浙江大學(xué) 2010



本文編號：3579210