股票市場是投資者、管理者和經(jīng)濟管理學者共同關(guān)注的熱點，自19世紀股票市場建立以來，對股票價格預測模型的研究一直是眾多學者關(guān)注的焦點。線性統(tǒng)計預測模型曾廣泛應用于該領(lǐng)域，如AR、ARIMA模型等，但效果都不是很理想。近年來，眾多學者把股票市場看作是一個非線性的確定性動力學系統(tǒng)，用非線性確定系統(tǒng)規(guī)律研究股價的行為越來越顯示出強大生命力。隨著非線性理論和人工智能技術(shù)的發(fā)展，小波分析和小波網(wǎng)絡等成為金融市場強有力的分析和預測工具。 本文對小波網(wǎng)絡預測模型進行了深入分析和研究，構(gòu)建了適應于股價分析的時間序列短期預測模型。本文研究的重點是小波網(wǎng)絡預測方法的應用和實現(xiàn)。主要工作如下： 從小波網(wǎng)絡構(gòu)造理論出發(fā)，對目前廣泛應用的小波網(wǎng)絡三種典型結(jié)構(gòu)進行了深入分析�？紤]網(wǎng)絡算法、逼近細節(jié)能力、包含頻域信息廣等方面因素，指出了用RBF-WNN（以尺度函數(shù)為激勵函數(shù)的小波網(wǎng)絡）、MLP-WNN（以小波函數(shù)為激勵函數(shù)的小波網(wǎng)絡）對股票市場進行建模的不足，提出多分辨小波網(wǎng)絡（MRA-WNN）適合股價非線性時間序列預測。應用MRA-WNN既能逼近股票市場的整體變化趨勢（輪廓），亦能捕捉變化的細節(jié)。 ... 

【文章來源】：哈爾濱工程大學黑龍江省 211工程院校

【文章頁數(shù)】：112 頁

【學位級別】：博士

【文章目錄】：
第1章 緒論
    1.1 課題的目的和意義
    1.2 股價基本分析方法
        1.2.1 股價波動因素分析
        1.2.2 股價分析方法
        1.2.3 股價分析方法評價
    1.3 小波分析及應用
    1.4 小波理論在金融領(lǐng)域中應用綜述
    1.5 小波網(wǎng)絡發(fā)展及在預測中應用
        1.5.1 小波網(wǎng)絡發(fā)展綜述
        1.5.2 小波網(wǎng)絡在時間序列預測中應用綜述
    1.6 本文的主要工作
第2章 小波分析與小波網(wǎng)絡分析的理論基礎(chǔ)
    2.1 小波變換
        2.1.1 連續(xù)小波變換
        2.1.2 二進小波變換
        2.1.3 高維小波變換
    2.2 多分辨分析
        2.2.1 尺度函數(shù)生成MRA
        2.2.2 MRA確定子空間直和分解
        2.2.3 MRA確定信號的級數(shù)表示形式
        2.2.4 MRA將頻域分成子頻帶的直和
        2.2.5 MRA確定的數(shù)字濾波器
        2.2.6 MRA是構(gòu)造小波的統(tǒng)一框架
    2.3 正交小波分解
    2.4 Mallat算法
        2.4.1 分解算法
        2.4.2 回復算法
    2.5 本章小結(jié)
第3章 小波神經(jīng)網(wǎng)絡模型
    3.1 引言
    3.2 神經(jīng)網(wǎng)絡模型
    3.3 小波網(wǎng)絡
    3.4 小波神經(jīng)網(wǎng)絡典型結(jié)構(gòu)
    3.5 多分辨小波網(wǎng)絡
        3.5.1 小波網(wǎng)絡算法分析
        3.5.2 小波網(wǎng)絡的構(gòu)造過程
    3.6 本章小結(jié)
第4章 多分辨小波網(wǎng)絡在股價預測中的應用
    4.1 引言
    4.2 相空間重構(gòu)
    4.3 MRA-WNN預測模型
    4.4 網(wǎng)絡訓練算法
        4.4.1 多分辨率的學習算法
        4.4.2 BP和多分辨率學習組合算法
        4.4.3 小波函數(shù)的選擇
    4.5 股價指數(shù)
        4.5.1 股價指數(shù)計算方法
        4.5.2 深證綜合指數(shù)
    4.6 實驗結(jié)果分析
    4.7 本章小結(jié)
第5章 基于小波分解與重構(gòu)的神經(jīng)網(wǎng)絡預測方法及應用
    5.1 引言
    5.2 信號的小波分解與重構(gòu)
    5.3 預測模型
    5.4 實驗結(jié)果
    5.5 Mallat算法實現(xiàn)中一些問題
    5.6 本章小結(jié)
結(jié)論
參考文獻
攻讀博士學位期間發(fā)表的論文和取得的科研成果
致謝
個人簡歷


【參考文獻】：
期刊論文
[1]小波網(wǎng)絡在深圳股市應用的研究[J]. 金玲玲,汪劉一.  華南農(nóng)業(yè)大學學報. 2003(03)
[2]相空間重構(gòu)延遲時間與嵌入維數(shù)的選擇[J]. 修春波,劉向東,張宇河.  北京理工大學學報. 2003(02)
[3]非線性逼近的自適應小波神經(jīng)網(wǎng)絡方法[J]. 褚曉勇,徐晨.  工程數(shù)學學報. 2003(02)
[4]基于BP小波網(wǎng)絡的故障模式識別[J]. 唐賢瑛,張友亮.  計算機工程. 2003(07)
[5]小波網(wǎng)絡的研究進展與應用[J]. 劉志剛,王曉茹,錢清泉.  電力系統(tǒng)自動化. 2003(06)
[6]我國證券市場的混沌與分形研究[J]. 張伯俊,胡斌.  天津職業(yè)技術(shù)師范學院學報. 2003(01)
[7]非線性經(jīng)濟時間序列的相空間重構(gòu)及預測[J]. 王慶余.  天津職業(yè)技術(shù)師范學院學報. 2003(01)
[8]小波神經(jīng)網(wǎng)絡的參數(shù)初始化研究[J]. 趙學智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅.  華南理工大學學報(自然科學版). 2003(02)
[9]多變量時間序列復雜系統(tǒng)的相空間重構(gòu)[J]. 王海燕,盛昭瀚,張進.  東南大學學報(自然科學版). 2003(01)
[10]基于小波分解與重構(gòu)的時間序列預測法[J]. 賀國光,馬壽峰,李宇.  自動化學報. 2002(06)



本文編號：3029817