本文選題：模糊K線(xiàn) + 時(shí)間序列��； 參考：《湖南大學(xué)》2012年碩士論文

【摘要】：股票市場(chǎng)是一個(gè)受多種因素影響的龐大系統(tǒng)，具有非常復(fù)雜的運(yùn)動(dòng)規(guī)律，市場(chǎng)行情更是瞬息萬(wàn)變。股票市場(chǎng)的金融時(shí)間序列數(shù)據(jù)作為其綜合的外在表現(xiàn)形式，蘊(yùn)含了許多客觀規(guī)律信息，如何從中挖掘出各種信息，更好地認(rèn)識(shí)、掌握、并利用其規(guī)律無(wú)疑對(duì)股票投資預(yù)測(cè)、決策與風(fēng)險(xiǎn)管理活動(dòng)具有重要意義。 傳統(tǒng)技術(shù)分析主要是基于經(jīng)驗(yàn)對(duì)市場(chǎng)變化的趨勢(shì)進(jìn)行預(yù)測(cè)，以圖表為手段對(duì)市場(chǎng)行為進(jìn)行研究。由于不同的人對(duì)圖表的識(shí)別差異較大，難以統(tǒng)計(jì)驗(yàn)證到底誰(shuí)的分析結(jié)果最可靠，并且缺乏足夠的理論支持。現(xiàn)代技術(shù)分析則主要是運(yùn)用數(shù)學(xué)模型和數(shù)理統(tǒng)計(jì)的方法，試圖從大量的歷史數(shù)據(jù)中挖掘出市場(chǎng)在時(shí)間序列層面上可能隱藏的規(guī)律。但現(xiàn)有的研究中，，多數(shù)預(yù)測(cè)模式參數(shù)繁多且復(fù)雜，難以被一般投資者所理解，同時(shí)現(xiàn)有的研究主要著眼于對(duì)未來(lái)價(jià)格或趨勢(shì)的預(yù)測(cè)，事實(shí)上，預(yù)測(cè)未來(lái)股票的具體價(jià)格是一個(gè)非常困難的工作，畢竟股票市場(chǎng)存在太多的不確定因素。市場(chǎng)中的投資者更關(guān)心、而且也較為可行的策略是識(shí)別市場(chǎng)的反轉(zhuǎn)點(diǎn)。本文研究了一個(gè)能主動(dòng)預(yù)警股價(jià)反轉(zhuǎn)點(diǎn)的新技術(shù)分析模型，該模型將模糊邏輯理論應(yīng)用于傳統(tǒng)的K線(xiàn)圖理論，利用K線(xiàn)圖的開(kāi)盤(pán)價(jià)、收盤(pán)價(jià)、最高價(jià)和最低價(jià)對(duì)K線(xiàn)形態(tài)特征進(jìn)行模糊化處理，再?gòu)哪：齂線(xiàn)圖中提取出征兆序列，然后運(yùn)用數(shù)據(jù)挖掘技術(shù)對(duì)征兆序列進(jìn)行分類(lèi)，得出模糊K線(xiàn)反轉(zhuǎn)模式的統(tǒng)計(jì)特征，最后通過(guò)模糊K線(xiàn)反轉(zhuǎn)模式實(shí)現(xiàn)對(duì)股價(jià)反轉(zhuǎn)點(diǎn)的預(yù)測(cè)。 本文選擇在上證A股和深證A股這兩個(gè)證券市場(chǎng)分別進(jìn)行實(shí)證研究，結(jié)果表明：本文提出的模糊K線(xiàn)反轉(zhuǎn)模式真實(shí)存在并且能夠被較好的識(shí)別；根據(jù)本文提出的模糊K線(xiàn)反轉(zhuǎn)模式得到的股價(jià)預(yù)測(cè)反轉(zhuǎn)點(diǎn)進(jìn)行模擬股票交易所獲投資回報(bào)率要高于隨機(jī)交易所得投資回報(bào)率。
[Abstract]:The stock market is a huge system influenced by many factors. The financial time series data of the stock market, as its comprehensive external form, contain a lot of objective law information, how to dig out all kinds of information from the stock market, better understand, master, and make use of its law to predict the stock investment without doubt. Decision-making and risk management activities are of great significance. The traditional technical analysis is mainly based on experience to predict the trend of market change, using charts as a means to study market behavior. It is difficult to verify whose analysis results are the most reliable and lack of sufficient theoretical support due to the large differences in the recognition of charts by different people. The modern technology analysis mainly uses the mathematical model and the mathematical statistics method, tries to excavate the law which the market may hide in the time series level from the massive historical data. But in the existing research, most of the prediction model parameters are various and complex, which is difficult to be understood by the general investors. At the same time, the existing research mainly focuses on the prediction of future prices or trends, in fact, Predicting the exact price of stocks in the future is a very difficult task. After all, there are too many uncertainties in the stock market. Investors in the market are more concerned, and more feasible, strategy is to identify the market reversal point. In this paper, we study a new technical analysis model that can proactively warn the reverse point of stock price. In this model, fuzzy logic theory is applied to the traditional K line graph theory, and the opening price and closing price of K line graph are used. The highest price and the lowest price process the shape of K line, then extract the symptom sequence from the fuzzy K chart, then classify the symptom sequence by using data mining technology, and get the statistical features of the fuzzy K line inversion pattern. Finally, the forecast of stock price reversal point is realized by fuzzy K line inversion mode. This paper chooses to conduct empirical research in Shanghai A-share market and Shenzhen A-share market respectively. The results show that the fuzzy K-line inversion model proposed in this paper is real and can be better identified; According to the forecast inversion point of stock price obtained by the fuzzy K-line inversion model proposed in this paper, the return on investment in stock exchange is higher than that in random trading.
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：F830;F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬莉;徐慶宏;;基于ARMA模型的匯率走勢(shì)預(yù)測(cè)及在商業(yè)銀行外匯理財(cái)業(yè)務(wù)中的應(yīng)用[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

2 劉遵雄;周天清;;基于HRM的金融時(shí)間序列預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2011年02期

3 張成虎;趙小虎;;基于小波分析的可疑金融交易時(shí)間序列研究[J];現(xiàn)代管理科學(xué);2009年07期

4 陳靜;張川;徐成賢;;基于特征提取的金融時(shí)間序列形態(tài)挖掘[J];統(tǒng)計(jì)與信息論壇;2010年06期

5 劉曉曙;;譜估計(jì)在金融時(shí)間序列模型驗(yàn)證中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年09期

6 畢星;王巍;;基于經(jīng)驗(yàn)?zāi)Ｊ椒纸夂鸵苿?dòng)平均的金融時(shí)間序列分析[J];天津大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2010年02期

7 劉曉曙;;譜估計(jì)在金融時(shí)間序列模型驗(yàn)證中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版)網(wǎng)絡(luò).預(yù)覽;2008年09期

8 牛艷慶;胡寶清;;基于模糊Adaboost算法的支持向量回歸機(jī)[J];模糊系統(tǒng)與數(shù)學(xué);2006年02期

9 萬(wàn)軍;劉思峰;楊文翰;;日已實(shí)現(xiàn)波動(dòng)的估計(jì)研究[J];統(tǒng)計(jì)與決策;2006年10期

10 柳會(huì)珍;;統(tǒng)計(jì)極值理論及其應(yīng)用研究進(jìn)展[J];統(tǒng)計(jì)與決策;2006年16期

相關(guān)會(huì)議論文 前10條

1 張碩;惠曉峰;;金融時(shí)間序列的確定性成分與隨機(jī)成分的分離[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

2 盧山;王海燕;;金融時(shí)間序列局部預(yù)測(cè)算法的優(yōu)化[A];2005中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集（下）[C];2005年

3 陳志航;程乾生;;基于隱馬爾科夫模型的組合預(yù)測(cè)方法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

4 宋鵬燕;劉瓊蓀;;基于冪律型分布的動(dòng)態(tài)VaR模型及實(shí)證研究[A];第十屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2008年

5 許友傳;;金融時(shí)間序列R/S長(zhǎng)記憶性檢驗(yàn)的有效性[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

6 馬鐵豐;;線(xiàn)性回歸方法進(jìn)行時(shí)間序列異常值檢驗(yàn)及證券投資風(fēng)險(xiǎn)研究[A];加入WTO和中國(guó)科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（上冊(cè)）[C];2002年

7 夏天;程細(xì)玉;;金融市場(chǎng)波動(dòng)性預(yù)測(cè)的CARR類(lèi)模型與GARCH類(lèi)模型比較研究[A];科學(xué)發(fā)展觀與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2006年

8 邵合德;;旋轉(zhuǎn)DSA在血管性病變介入診斷與治療的應(yīng)用研究[A];中華醫(yī)學(xué)會(huì)第十三屆全國(guó)放射學(xué)大會(huì)論文匯編（下冊(cè)）[C];2006年

9 程硯秋;楊德權(quán);;基于決策樹(shù)和支持向量機(jī)的金融預(yù)測(cè)方法[A];中國(guó)企業(yè)運(yùn)籌學(xué)學(xué)術(shù)交流大會(huì)論文集[C];2007年

10 邵合德;曾憲強(qiáng);王榮勤;;旋轉(zhuǎn)DSA在血管性病變介入診斷與治療的應(yīng)用研究[A];中華醫(yī)學(xué)會(huì)放射學(xué)分會(huì)第八屆全國(guó)心胸影像學(xué)術(shù)大會(huì)暨河南省第十二次放射學(xué)術(shù)會(huì)議論文匯編[C];2006年

相關(guān)重要報(bào)紙文章 前10條

1 東海證券 康志毅;東信和平(002017)低谷未過(guò) 業(yè)績(jī)反轉(zhuǎn)點(diǎn)臨近[N];上海證券報(bào);2009年

2 富達(dá)基金提供;三方面確認(rèn)市場(chǎng)反轉(zhuǎn)點(diǎn)[N];第一財(cái)經(jīng)日?qǐng)?bào);2009年

3 本報(bào)記者　 朱茵;摩根大通預(yù)測(cè)宏觀調(diào)控將在三季度顯效[N];中國(guó)證券報(bào);2006年

4 尹建權(quán);樓市面臨大拐還是小拐[N];甘肅法制報(bào);2008年

5 皮皮;如何準(zhǔn)確選擇買(mǎi)入和賣(mài)出的時(shí)機(jī)[N];上海證券報(bào);2007年

6 山西 楊德印;變頻器實(shí)用技術(shù)問(wèn)答（四）[N];電子報(bào);2008年

7 大摩投資 徐勝治;短線(xiàn)股指上下兩難[N];證券日?qǐng)?bào);2005年

8 丁少恒;青少年驗(yàn)光要散瞳[N];中國(guó)質(zhì)量報(bào);2000年

9 羅華;銅 志存高遠(yuǎn)[N];期貨日?qǐng)?bào);2003年

10 道通期貨 鄭艾平;期貨投資：順勢(shì)而為 以小博大[N];江蘇經(jīng)濟(jì)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 王文靜;金融時(shí)間序列的長(zhǎng)記憶特性及預(yù)測(cè)研究[D];天津大學(xué);2009年

2 蘇木亞;譜聚類(lèi)方法研究及其在金融時(shí)間序列數(shù)據(jù)挖掘中的應(yīng)用[D];大連理工大學(xué);2011年

3 湯凌冰;基于支持向量機(jī)的金融時(shí)間序列回歸分析[D];上海交通大學(xué);2010年

4 盧山;基于非線(xiàn)性動(dòng)力學(xué)的金融時(shí)間序列預(yù)測(cè)技術(shù)研究[D];東南大學(xué);2006年

5 趙越;半?yún)?shù)模型的統(tǒng)計(jì)推斷及其在金融中的應(yīng)用[D];大連理工大學(xué);2010年

6 王靈芝;中國(guó)證券市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)的量化與管理研究[D];上海交通大學(xué);2010年

7 吳學(xué)雁;金融時(shí)間序列模式挖掘方法的研究[D];華南理工大學(xué);2010年

8 劉瓊芳;基于Copula理論的金融時(shí)間序列相依性研究[D];重慶大學(xué);2010年

9 沈傳河;金融問(wèn)題中的支持向量機(jī)應(yīng)用研究[D];山東科技大學(xué);2011年

10 馬云艷;相依數(shù)據(jù)下協(xié)變量調(diào)整回歸模型及其在金融時(shí)間序列中的應(yīng)用[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張丹;基于模糊K線(xiàn)的金融時(shí)間序列反轉(zhuǎn)模式挖掘研究[D];湖南大學(xué);2012年

2 周游;基于滑動(dòng)平均算法對(duì)金融時(shí)間序列的研究[D];昆明理工大學(xué);2012年

3 李謙;現(xiàn)代優(yōu)化算法在金融時(shí)間序列參數(shù)估計(jì)中的應(yīng)用[D];暨南大學(xué);2011年

4 劉曉迪;基于小波變換的金融時(shí)間序列奇異點(diǎn)識(shí)別模型與研究[D];昆明理工大學(xué);2011年

5 趙俊;隱馬爾可夫模型及其在金融時(shí)間序列中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2012年

6 周天清;基于奇異譜分析的金融時(shí)間序列自適應(yīng)分解預(yù)測(cè)研究[D];華東交通大學(xué);2012年

7 黃朋朋;基于支持向量機(jī)的股價(jià)反轉(zhuǎn)點(diǎn)預(yù)測(cè)研究[D];復(fù)旦大學(xué);2010年

8 湯R

本文編號(hào)：1820975