【摘要】：本文針對股票價格的不確定性,將隱馬爾科夫模型應(yīng)用于股價走勢預(yù)測中.隱馬爾科夫模型是一個雙隨機(jī)過程,由兩部分組成：馬爾科夫鏈和一般隨機(jī)過程.其中隱馬爾科夫鏈用了描述狀態(tài)的轉(zhuǎn)移,用轉(zhuǎn)移概率矩陣表示.一般隨機(jī)過程用來描述狀態(tài)與觀察值之間的關(guān)系,用觀察值概率轉(zhuǎn)移矩陣或高斯混合分布函數(shù)表示.模型的意義在于將未來走勢和歷史數(shù)據(jù)聯(lián)系起來,通過歷史數(shù)據(jù)估計模型的參數(shù)分布,確定隱狀態(tài)和觀察值的分布,進(jìn)而預(yù)測當(dāng)前的隱狀態(tài). 本文應(yīng)用隱馬爾科夫模型預(yù)測股價走勢時,隱狀態(tài)取為股價的未來走勢,觀察值為股價指標(biāo),其中離散模型中觀察值為股價指標(biāo)的離散化組合,連續(xù)模型中觀察值為指標(biāo)本身.通過歷史行情數(shù)據(jù)得到參數(shù)估計,進(jìn)而利用參數(shù)和當(dāng)前股價的觀察值,預(yù)測股價的未來走勢.為了驗證模型的有效性,我們將預(yù)測結(jié)果與實際情況作比較,并統(tǒng)計了預(yù)測方法的準(zhǔn)確度.實證表明,對同樣的數(shù)據(jù)做分析,連續(xù)隱馬爾科夫模型的實證結(jié)果優(yōu)于離散模型.但相對離散模型,連續(xù)模型算法較為復(fù)雜,對實際數(shù)據(jù)的要求較高.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F224;F830.91

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 姚洪興,盛昭瀚;股市預(yù)測中的小波神經(jīng)網(wǎng)絡(luò)方法的研究[J];管理工程學(xué)報;2002年02期

2 楊一文,劉貴忠;基于神經(jīng)網(wǎng)絡(luò)的多變量時間序列預(yù)測及其在股市中的應(yīng)用[J];信息與控制;2001年05期

，

本文編號：2610798