本文關(guān)鍵詞：涉農(nóng)上市公司股票價格預(yù)測研究　出處：《湖南農(nóng)業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 涉農(nóng)上市公司 股票價格 農(nóng)業(yè)政策 ARIMA SFS-BPNN

【摘要】：我國是一個農(nóng)業(yè)大國,農(nóng)業(yè)是我國國民經(jīng)濟的基礎(chǔ)。涉農(nóng)上市公司作為農(nóng)業(yè)先進(jìn)生產(chǎn)力的代表,它們的穩(wěn)定和發(fā)展是促進(jìn)農(nóng)業(yè)發(fā)展的一個重要因素。而涉農(nóng)上市公司的發(fā)展離不開證券市場的支持,因此,如何準(zhǔn)確評估涉農(nóng)上市公司的價值,并對其股票價格進(jìn)行預(yù)測對經(jīng)營者和投資者來說具有理論意義和應(yīng)用價值。股票價格的影響因素眾多,波動規(guī)律難尋,要做到精確預(yù)測難度較大。為了提高涉農(nóng)上市公司股票價格的預(yù)測精度,本文主要從以下幾個方面進(jìn)行了研究：(1)農(nóng)業(yè)政策對涉農(nóng)上市公司股票價格的影響研究。首先,從宏觀上分析了國家政策對股票價格的影響和農(nóng)業(yè)政策對涉農(nóng)上市公司股票價格的影響；接著,選取了近兩年我國出臺重大農(nóng)業(yè)政策事件的發(fā)生時間為研究時段,并以金健米業(yè)、隆平高科等7支涉農(nóng)企業(yè)為例,對比分析了農(nóng)業(yè)政策出臺時與出臺前后這些企業(yè)股票價格漲幅情況的變化。結(jié)果顯示,涉農(nóng)上市公司股票價格對國家惠農(nóng)政策存在顯著反應(yīng)。(2)基于ARIMA的涉農(nóng)上市公司股票價格的一維時間序列預(yù)測研究。一維時間序列預(yù)測是通過歷史觀測值分析出各個時期觀測值之間的規(guī)律從而對未來趨勢進(jìn)行預(yù)測。論文選用融合了時間序列和回歸分析的ARIMA模型對大湖股份、金健米業(yè)、華升股份和新五豐4支涉農(nóng)上市公司股票收盤價一維時間序列數(shù)據(jù)進(jìn)行預(yù)測。結(jié)果顯示,ARIMA對4支股票價格的預(yù)測平均相對誤差均小于3%,其預(yù)測結(jié)果對股票走勢的判斷具有一定的指導(dǎo)意義。(3)基于SFS-BPNN的涉農(nóng)上市公司股票價格的多維時間序列預(yù)測研究。在實際研究中,對股票價格的預(yù)測不僅要考慮其自身對未來趨勢的影響,還應(yīng)考慮周圍其他外部因素的影響。論文通過實證研究與分析,選取了股票的今曰開盤價,今日最高價,今日最低價,今日收盤價,今日成交量,今日成交額,今日內(nèi)地農(nóng)業(yè)指數(shù)收盤價和今日農(nóng)林指數(shù)收盤價等8個因子作為明日收盤價y的影響因子。考慮到8個因子之間存在信息冗余,論文提出基于SFS-BPNN新模型對股票價格進(jìn)行預(yù)測。其具體步驟如下：先利用8個因子與y的相關(guān)系數(shù)值得到因子的重要性排序;再以順序前向搜索策略(Sequential Forward Search, SFS)引入排序因子,并根據(jù)訓(xùn)練集后5個樣本的BPNN預(yù)測精度去除冗余因子得保留因子；最后,基于BPNN和保留因子對測試集實施獨立預(yù)測。對4支農(nóng)企股票價格預(yù)測的結(jié)果表明,SFS-BPNN的預(yù)測精度優(yōu)于BPNN和ARIMA模型的預(yù)測精度,該方法在涉農(nóng)上市公司股票價格預(yù)測上有效合理,并對其他經(jīng)濟領(lǐng)域的價格預(yù)測研究提供有效的借鑒。
[Abstract]:......
【學(xué)位授予單位】：湖南農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F832.51;F324

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳菊珍;徐曄;龔新橋;;灰色預(yù)測在股票價格預(yù)測中的應(yīng)用[J];統(tǒng)計與決策;2007年01期

2 施航;馬琳達(dá);;人工神經(jīng)網(wǎng)絡(luò)在股票價格預(yù)測中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;2007年09期

3 王晴;;組合模型在股票價格預(yù)測中應(yīng)用研究[J];計算機仿真;2010年12期

4 胡俊;桂霏;楊桂元;;組合模型對股票價格預(yù)測的比較研究[J];重慶科技學(xué)院學(xué)報(社會科學(xué)版);2012年04期

5 劉小蘭;;改進(jìn)支持向量機的股票價格預(yù)測研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2012年09期

6 李忍東;饒佳藝;嚴(yán)亞寧;;基于智能計算的股票價格預(yù)測[J];科技通報;2013年04期

7 徐維維;高風(fēng);;灰色算法在股票價格預(yù)測中的應(yīng)用[J];計算機仿真;2007年11期

8 朱嘉瑜;葉海燕;高鷹;;基于隱馬爾可夫模型的股票價格預(yù)測組合模型[J];計算機工程與設(shè)計;2009年21期

9 王玲;;最優(yōu)組合模型在證券市場預(yù)測中的應(yīng)用研究[J];計算機仿真;2012年01期

10 劉斐弘;;神經(jīng)網(wǎng)絡(luò)在股票價格預(yù)測中的應(yīng)用——基于三種網(wǎng)絡(luò)的比較分析[J];時代金融;2012年15期

相關(guān)會議論文 前1條

1 于志軍;楊善林;;基于誤差校正的GARCH股票價格預(yù)測模型[A];“兩型社會”建設(shè)與管理創(chuàng)新——第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（上）[C];2013年

相關(guān)碩士學(xué)位論文 前10條

1 程隆昌;灰色GM(1,2)模型在股票價格預(yù)測中的應(yīng)用[D];天津財經(jīng)大學(xué);2015年

2 羅必輝;基于改進(jìn)支持向量回歸機的股價預(yù)測研究[D];重慶大學(xué);2016年

3 羅超;涉農(nóng)上市公司股票價格預(yù)測研究[D];湖南農(nóng)業(yè)大學(xué);2015年

4 沈志剛;支持向量回歸機在股票價格預(yù)測中的分析與應(yīng)用[D];暨南大學(xué);2007年

5 呂欣;基于神經(jīng)網(wǎng)絡(luò)股票價格預(yù)測模型及系統(tǒng)的研究[D];吉林大學(xué);2010年

6 高立剛;支持向量機及其在股票價格預(yù)測方面的應(yīng)用[D];北京工業(yè)大學(xué);2006年

7 胡藝博;基于小波—粒子濾波算法的股票價格預(yù)測研究[D];吉林大學(xué);2008年

8 陳麗瓊;函數(shù)型數(shù)據(jù)分析方法在股票價格預(yù)測上的應(yīng)用[D];廈門大學(xué);2014年

9 唐廣宇;股票價格預(yù)測的時間序列組合模型方法[D];湘潭大學(xué);2013年

10 張克宜;基于改進(jìn)GM（1，N）和優(yōu)化SVM組合模型的股票價格預(yù)測[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號：1349223