本文關鍵詞：基于分段線性表示和高斯過程分類的股票轉折點概率預測

  更多相關文章： 分段線性表示 高斯過程分類 股票交易信號 概率預測 投資策略 風險偏好

【摘要】：針對股票交易過程中價格轉折點的預測問題,提出了一種基于分段線性表示(PLR)與高斯過程分類(GPC)相結合的股票價格轉折點預測算法PLR-GPC。該算法通過PLR提取股票歷史價格序列的轉折點,對轉折點進行分類標記,建立基于GPC的股票價格轉折點預測模型,以上述股票歷史價格序列對模型進行訓練,最終由預測模型對股票價格轉折點進行預測,并對預測結果進行概率解釋。將PLR-GPC與基于BP神經(jīng)網(wǎng)絡(BPN)的PLR-BPN算法、基于加權支持向量機支持向量機(WSVM)的PLR-WSVM算法進行實驗對比:PLR-GPC在預測準確率上高于PLRBPN與PLR-WSVM;在投資收益率上高于PLR-BPN,與PLR-WSVM持平。實驗結果表明PLR-GPC在股票價格轉折點的預測上是有效的,并且可以應用在實際股票投資交易中。
【作者單位】： 西安交通大學系統(tǒng)工程研究所;西安交通大學電氣工程學院;
【關鍵詞】： 分段線性表示 高斯過程分類 股票交易信號 概率預測 投資策略 風險偏好
【基金】：國家自然科學基金資助項目(61221063,U1301254,61473218) 國家863計劃項目(2012AA011003) 國家“111引智計劃”項目
【分類號】：F832.51;O211.61
【正文快照】： 0引言時間序列的分析預測問題一直是一個研究熱點,在時間序列問題中金融股票價格的分析和預測是一個重要的研究領域�，F(xiàn)有對股票價格的預測研究主要有兩種方法[1-2]:一種是關注短期內股票價格變化的預測,該研究方法不僅需要解決數(shù)據(jù)高頻變化帶來的問題,同時在實際應用中不適合

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 李振剛;;基于高斯過程回歸的網(wǎng)絡流量預測模型[J];計算機應用;2014年05期

2 張毅;劉睿;羅元;;基于支持向量機多分類的眼電輔助肌電的人機交互[J];計算機應用;2014年11期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 吳萌;徐全智;;支持向量機在金融時間序列預測中的應用[J];電子科技大學學報;2007年S1期

2 王平;張貴生;;時間相關性經(jīng)驗知識與SVM的融合方法研究[J];計算機仿真;2012年03期

3 周磊;;基于粗糙集和支持向量機的股指期貨預測模型研究[J];山東科學;2010年05期

4 湯凌冰;盛煥燁;湯凌霄;;Forecasting of Stock Returns by Using Manifold Wavelet Support Vector Machine[J];Journal of Shanghai Jiaotong University(Science);2010年01期

5 黎金玲;李亞楠;郭海湘;胡敬爐;;一種加權的支持向量機及其在儲層識別中的應用[J];數(shù)學的實踐與認識;2014年07期

6 湯凌冰;盛煥燁;湯凌霄;;股票收益預測模型的比較與選擇[J];湖南科技大學學報(自然科學版);2009年02期

7 陳鐘國;;混合多個SVR模型的金融時間序列預測[J];微型電腦應用;2013年03期

8 李紀真;孟相如;溫祥西;康巧燕;;螢火蟲群算法優(yōu)化高斯過程的網(wǎng)絡安全態(tài)勢預測[J];系統(tǒng)工程與電子技術;2015年08期

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 李晟;視覺假體裝置模型建立及視覺信息處理研究[D];上海交通大學;2011年

2 方先明;商業(yè)銀行信用風險預警管理系統(tǒng)研究[D];河海大學;2004年

3 陳花;基于復雜網(wǎng)絡的股票之間有向相關性研究[D];北京郵電大學;2012年

4 吳亞軍;基于非線性方法和VaR的均線交易系統(tǒng)研究[D];哈爾濱工業(yè)大學;2014年

5 鄭毅;時間序列數(shù)據(jù)分類、檢索方法及應用研究[D];中國科學技術大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 汪順偉;基于PCA-BP模型的上證綜指預測研究[D];西南石油大學;2011年

2 李春偉;基于神經(jīng)網(wǎng)絡與遺傳算法的股票智能預測[D];西北工業(yè)大學;2005年

3 戴丹;BP神經(jīng)網(wǎng)絡用于市場預測的研究[D];武漢理工大學;2006年

4 張虹;基于NN-GARCH模型的中國滬深300指數(shù)實證研究[D];天津財經(jīng)大學;2007年

5 王平;經(jīng)驗知識與支持向量機的融合技術研究[D];山西大學;2007年

6 劉慧;基于BP神經(jīng)網(wǎng)絡的新股定價問題研究[D];武漢理工大學;2008年

7 康軍;基于徑向基函數(shù)神經(jīng)網(wǎng)絡的應用研究[D];湖南師范大學;2009年

8 黃朋朋;基于支持向量機的股價反轉點預測研究[D];復旦大學;2010年

9 侯效永;多尺度時間序列預測[D];蘇州大學;2013年

10 何建;金融市場已實現(xiàn)波動率預測研究[D];浙江工商大學;2013年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 溫祥西;孟相如;馬志強;張永春;;小時間尺度網(wǎng)絡流量混沌性分析及趨勢預測[J];電子學報;2012年08期

2 張濤;任志良;孫常存;李耀波;;基于小波包分解和樣本熵的電磁干擾分析方法[J];海軍工程大學學報;2011年05期

3 夏春明;楊正宜;曹煒;曹恒;;基于肌音信號的虛擬假肢控制[J];華東理工大學學報(自然科學版);2010年04期

4 姚奇富;李翠鳳;馬華林;張森;;灰色系統(tǒng)理論和馬爾柯夫鏈相結合的網(wǎng)絡流量預測方法[J];浙江大學學報(理學版);2007年04期

5 王俊松;高志偉;;基于RBF神經(jīng)網(wǎng)絡的網(wǎng)絡流量建模及預測[J];計算機工程與應用;2008年13期

6 羅峗騫;夏靖波;王煥彬;;混沌-支持向量機回歸在流量預測中的應用研究[J];計算機科學;2009年07期

7 周曉蕾;王萬良;陳偉杰;;基于小波變換和優(yōu)化的SVM的網(wǎng)絡流量預測模型[J];計算機應用與軟件;2011年02期

8 宋曉萍;胡常安;;離散雜草優(yōu)化算法在0/1背包問題中的應用[J];計算機工程與應用;2012年30期

9 熊南;劉百芬;;基于自適應粒子群優(yōu)化LSSVM的網(wǎng)絡流量在線預測[J];計算機應用與軟件;2013年09期

10 鄧蕊;馬永軍;劉堯猛;;基于改進交叉驗證算法的支持向量機多類識別[J];天津科技大學學報;2007年02期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘇明禮;;非平穩(wěn)高斯過程的最大值的漸近性質[J];東北師大學報(自然科學版);1983年02期

2 謝盛榮;標準非平穩(wěn)高斯過程的逗留極限定理[J];西南師范大學學報(自然科學版);1991年01期

3 謝盛榮;一類高斯過程在高水平u上的逗留[J];科學通報;1998年13期

4 任彥榮;陳紹成;鄒曉川;田菲菲;周鵬;;采用高斯過程模擬預測域/肽識別和相互作用[J];中國科學:化學;2012年08期

5 徐業(yè)基;關于平穩(wěn)高斯過程的譜函數(shù)估計的漸近性質[J];數(shù)學學報;1983年04期

6 劉輝;白峰杉;;基于混合高斯過程模型的高光譜圖像分類算法[J];高校應用數(shù)學學報A輯;2010年04期

7 謝盛榮;關于平穩(wěn)高斯過程的上穿過期望次數(shù)的幾點注記[J];數(shù)學研究與評論;1996年02期

8 謝盛榮;方差具有有限個極大點的高斯過程之極值逗留[J];應用數(shù)學學報;1997年01期

9 鄭建青;;大增量平穩(wěn)高斯過程的極限行為(英文)[J];寧波大學學報(理工版);2007年01期

10 陳振龍,劉祿勤;d維平穩(wěn)高斯過程的極函數(shù)及其相關維數(shù)[J];武漢大學學報(理學版);2002年03期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 劉信恩;肖世富;莫軍;;用于不確定性分析的高斯過程響應面模型設計點選擇方法研究[A];中國計算力學大會'2010（CCCM2010）暨第八屆南方計算力學學術會議（SCCM8）論文集[C];2010年

2 劉冬;張清華;;基于高斯過程的精密衛(wèi)星鐘差加密[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

3 李雅芹;楊慧中;;一種基于仿射傳播聚類和高斯過程的多模型建模方法[A];2009中國過程系統(tǒng)工程年會暨中國mes年會論文集[C];2009年

4 趙級漢;張國敬;姜龍;魏巍;;基于疊加高斯過程的數(shù)字噪聲產(chǎn)生方法FPGA實現(xiàn)[A];第二十四屆全國空間探測學術交流會論文摘要集[C];2011年

5 何志昆;劉光斌;姚志成;趙曦晶;;基于高斯過程回歸的FOG標度因數(shù)溫度漂移建模新方法[A];第25屆中國控制與決策會議論文集[C];2013年

6 單志輝;劉學軍;呂宏強;;高斯過程回歸在翼型氣動性能快速評估中的應用[A];探索 創(chuàng)新 交流（第4集）——第四屆中國航空學會青年科技論壇文集[C];2010年

7 閆國啟;劉學軍;呂宏強;;基于多輸出高斯過程回歸的飛機翼型快速設計[A];探索 創(chuàng)新 交流——第五屆中國航空學會青年科技論壇文集(第5集)[C];2012年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 潘偉;基于高斯過程的高爐煉鐵過程辨識與預測[D];浙江大學;2012年

2 賀建軍;基于高斯過程模型的機器學習算法研究及應用[D];大連理工大學;2012年

3 夏戰(zhàn)國;基于高斯過程的提升機軸承性能評測方法研究[D];中國礦業(yè)大學;2013年

4 趙偉;復雜工程結構可靠度分析的高斯過程動態(tài)響應面方法研究[D];廣西大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 申倩倩;基于高斯過程的在線建模問題研究[D];華南理工大學;2011年

2 朱江;單任務以及多任務稀疏高斯過程[D];華東師范大學;2014年

3 黃榮清;基于稀疏高斯過程回歸的半監(jiān)督分類的序貫訓練方法[D];華東師范大學;2012年

4 魏三喜;基于高斯過程的分類算法及其應用研究[D];華南理工大學;2012年

5 雷鳴;基于高斯過程的變形預測算法研究[D];東華理工大學;2013年

6 張寅;用于回歸預測的高斯過程模型研究[D];河北工業(yè)大學;2014年

7 莊超;基于高斯過程回歸的強化學習算法研究[D];蘇州大學;2014年

8 萬玲;基于高斯過程的時間序列分類[D];中國礦業(yè)大學;2014年

9 周楠;基于高斯過程機器學習方法的證券預測模型研究[D];電子科技大學;2012年

10 李劍英;改進高斯過程的硫化礦石自燃傾向性等級分類[D];遼寧工程技術大學;2012年

，

本文編號：1050516