【摘要】：隨著經(jīng)濟的發(fā)展和人們投資意識的轉(zhuǎn)變，股票已成為現(xiàn)代人生活中的一個重要組成部分，股票投資已成為社會公眾談?wù)摰闹行闹�，而股市的健康發(fā)展和繁榮也成為管理者和投資者關(guān)心和研究的重點。股票投資的收益與風險往往是成正比的，即投資收益越高，可能冒的風險越大。因此，股市預(yù)測方法的研究具有極其重要的應(yīng)用價值和理論意義。但是股價系統(tǒng)內(nèi)部結(jié)構(gòu)的復(fù)雜性、外部因素的多變性決定了這項任務(wù)的艱巨性。 本文在深入分析股票投資理論和股價預(yù)測方法的基礎(chǔ)上，提出了利用屬性論方法和波恩斯坦基函數(shù)擬合技術(shù)的股市預(yù)測算法。該算法充分考慮了歷史因素對未來的影響。對于上市時間較長的股票，先將該股票的時間序列劃分成若干寬度相等的數(shù)據(jù)窗口，通過對其股價時間序列進行相似性搜索，找到與當前股票時間序列數(shù)據(jù)窗口運行軌跡最為相似的數(shù)據(jù)窗口，這種相似數(shù)據(jù)窗口可能存在多個也可能沒有。如果是第一種情況，即存在多個相似數(shù)據(jù)窗口，，這時再結(jié)合市場能量指標(MAV，PSY，OBV)作為二次判斷的依據(jù)，最終找到最相似數(shù)據(jù)窗口，并利用數(shù)據(jù)窗口的滑動模型求出相應(yīng)的滑動系數(shù)，從而預(yù)測該股次日的股價。如果是第二種情況或?qū)τ谛律鲜械墓善�，因無歷史因素可供參考，則使用波恩斯坦基函數(shù)擬合技術(shù)，把股票時間序列擬合出來。波恩斯坦基函數(shù)具有凸包性并具有一定的泛化能力，這一點可以作為預(yù)測算法的另一理論依據(jù)。 運用本算法編寫的軟件對大量的股票進行了實際預(yù)測，預(yù)測結(jié)果令人滿意。證明了本算法簡單、有效。為了和神經(jīng)網(wǎng)絡(luò)方法作個比較，我們還設(shè)計了一個遺傳神經(jīng)網(wǎng)絡(luò)，并用此遺傳神經(jīng)網(wǎng)絡(luò)對相同的股票進行了相同的預(yù)測。在論文的最后提出了一些對本算法改進的思想。
【圖文】：

月鄯椒ㄓ氬ǘ魎固夠猥

本文編號：2695969