【摘要】：證券市場是一個公認的呈現(xiàn)高度復雜性的非線性系統(tǒng),預測難度很大。傳統(tǒng)的聚類分析方法遇到強有力的挑戰(zhàn),如對高維空間的稀疏數(shù)據(jù)以及不規(guī)則分布具有任意形狀數(shù)據(jù)的分析。近鄰法由于在理論上進行了深入地分析,直至現(xiàn)在仍是模式識別非參數(shù)法中最重要的方法之一,包括基于各種特定度量的最近鄰法和K近鄰法。傳統(tǒng)近鄰分類算法應用于證券價格預測時,需要在樣本間進行大量的比較,占用巨大的存儲空間和計算時間,并且當決策錯誤產生的代價很大時,會導致較大的風險。剪輯近鄰法通過一系列算法改進,避免了通常計量經濟模型中特異數(shù)據(jù)影響模型參數(shù)的現(xiàn)象,同時克服了普通近鄰算法計算和存儲量大的的主要缺點,部分解決了當數(shù)據(jù)維數(shù)過高時可能發(fā)生維數(shù)災難的難題。本文針對證券價格日常波動的技術特征建立模型,試圖在對大量原始數(shù)據(jù)的重復剪輯近鄰法迭代預處理過程中,逐級篩選出對于聚類效果最顯著的特征數(shù)據(jù)或其組合,逐步分離出混合在原始數(shù)據(jù)中的噪聲和不確定因素,尋找最能反映股價波動規(guī)律的主導型變量和因素,在保證一定的預測正確率的同時盡量減少計算量,得到數(shù)量較少的對應于各類別的代表性樣本,完成對輸入數(shù)據(jù)空間的分割,從而實現(xiàn)對于任何未知樣本都可以采用某種度量方式找到已知代表樣本中與其最相似的樣本,據(jù)以完成類別歸屬判斷,最終實現(xiàn)預測。本文采用重復剪輯和增加拒絕決策功能的改進算法進行預測,并結合中國滬深證券市場個股交易資料進行實證檢驗。結果表明和普通算法相比,預測正確率有明顯提高。本文通過對參數(shù)取值及其組合對預測結果影響的討論和算法的局部改進,從一個較新的角度得出一些有意義的結論。實證分析表明,運用具有拒絕決策功能的重復剪輯近鄰算法,對指導廣大投資者進行投資決策具有很強的實用性。
【圖文】：

西南交通大學碩士研究生學位論文第2個規(guī)則的證明是顯而易見的，圖2.6表示一待識樣本及其當樣本子集的關系。如果以X為圓心，B為半徑作圓，則圓與。的分布圓形區(qū)域不會相交，，因而嬌中任一樣本不可能比X的靠近X。
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2005
【分類號】：F224;F830.91

【參考文獻】

相關期刊論文 前10條

1 魏峰,佘傳奇;證券技術分析何以預測[J];安徽農業(yè)大學學報(社會科學版);2002年04期

2 程啟月,邱菀華;證券市場耗散結構及漲落分析[J];北京航空航天大學學報(社會科學版);2001年01期

3 許雙魁;證券投資分析中的數(shù)學理論[J];寶雞文理學院學報(自然科學版);1999年01期

4 胡杉杉,黨佳瑞,藍柏雄;中國證券市場的可預測性研究[J];財經科學;2001年03期

5 唐俊,宋逢明;證券咨詢機構選股建議的預測能力分析[J];財經論叢(浙江財經學院學報);2002年01期

6 張潛,高立群;基于小波分析理論的證券投資市場預測[J];東北大學學報;2002年06期

7 唐應輝,李攀峰,楊晉浩;均線形態(tài)組合在證券分析中的應用[J];電子科技大學學報;2002年01期

8 楊德權,楊德禮,胡運權;動態(tài)組合證券投資決策非線性遞推規(guī)劃模型[J];大連理工大學學報;2000年05期

9 周焯華,陳文南,張宗益;聚類分析在證券投資中的應用[J];重慶大學學報(自然科學版);2002年07期

10 王碩,唐小我,曾勇;基于加速遺傳算法的組合證券投資決策[J];中國工程科學;2002年09期

本文編號：2589221