【摘要】：股票價(jià)格看起來具有很強(qiáng)的不確定性,但是國家政策、行業(yè)信息以及公司財(cái)務(wù)指標(biāo)等情況都會(huì)影響到股票市場(chǎng)的趨勢(shì)。根據(jù)這一特征,如果投資者能夠了解到這些情況是如何影響股價(jià)變動(dòng)的,就能夠減少因股價(jià)不確定性的大波動(dòng)導(dǎo)致的投資帶來的損失,甚至是獲得意想不到的收益效果。對(duì)于政府來說,進(jìn)行股價(jià)去世的預(yù)測(cè)也是政府進(jìn)行宏觀經(jīng)濟(jì)調(diào)控,預(yù)防突發(fā)狀況的方面之一。因此如果能夠?qū)墒羞M(jìn)行事先的分析預(yù)測(cè),無論對(duì)投資者、企業(yè)、投資機(jī)構(gòu)還是政府相關(guān)政策的制定都具有重大的現(xiàn)實(shí)意義。隨著金融大數(shù)據(jù)時(shí)代的到來,金融量化分析在我國未來金融市場(chǎng)中的應(yīng)用將發(fā)揮越來越重要的作用。本文基于滬深300股票價(jià)格指數(shù),使用隱馬爾可夫模型以及支持向量機(jī)模型進(jìn)行建模。本文實(shí)證過程主要包括選取合適時(shí)間段的股票相關(guān)數(shù)據(jù)、最優(yōu)預(yù)測(cè)因子組合確定、對(duì)模型參數(shù)訓(xùn)練以及對(duì)測(cè)試集回歸預(yù)測(cè)等步驟。本文一開始引用多日加權(quán)的隱馬爾可夫模型對(duì)滬深300指數(shù)價(jià)格進(jìn)行預(yù)測(cè),通過實(shí)驗(yàn)結(jié)果對(duì)比分析,確定使用10日加權(quán)隱馬爾可夫預(yù)測(cè)模型進(jìn)行接下來的研究。接下來使用10日加權(quán)隱馬爾可夫預(yù)測(cè)模型在120個(gè)預(yù)測(cè)因子的組合中進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)的效果選擇不同梯度的預(yù)測(cè)因子組合。然后在不同梯度的預(yù)測(cè)因子下,運(yùn)用支持向量回歸模型預(yù)測(cè)股價(jià)。我們選擇高斯核作為支持向量機(jī)的核函數(shù),因此在進(jìn)行預(yù)測(cè)之前我們要先確定高斯核函數(shù)的參數(shù)g以及支持向量機(jī)的懲罰參數(shù)C,參數(shù)的確定方法本文選擇交叉驗(yàn)證的方法,讓C和g在一定的范圍里跑(比如C= 2-5,2-4,...,25,g=2-5,2-4,...,25),然后選擇預(yù)測(cè)準(zhǔn)確率最高的但C最小的那組C和g作為最優(yōu)參數(shù)。確定好最優(yōu)參數(shù)后使用滾動(dòng)預(yù)測(cè)的方法進(jìn)行股價(jià)預(yù)測(cè),即若預(yù)測(cè)第t日收盤價(jià),則以第t-30(40、60)日至第t-1日的日交易數(shù)據(jù)為訓(xùn)練集,以第t-29(39、59)日至第t日的日交易數(shù)據(jù)為測(cè)試集,這樣反復(fù)滾動(dòng)預(yù)測(cè)。之后我們?cè)倮镁秸`差(MSE)和平方相關(guān)系數(shù)(DS)評(píng)價(jià)預(yù)測(cè)結(jié)果。從結(jié)果中我們可以發(fā)現(xiàn)在對(duì)不同天數(shù)進(jìn)行預(yù)測(cè)時(shí),40天往往是最優(yōu)預(yù)測(cè)天數(shù),而且HMM模型得出的最優(yōu)預(yù)測(cè)因子的組合(成交量,MA10,MA60)在支持向量回歸模型中也有非常良好的表現(xiàn),它們的表現(xiàn)甚至超過了以開盤價(jià)、最高價(jià)、最低價(jià)為特征向量的預(yù)測(cè)結(jié)果。本文所得的實(shí)證結(jié)果均是在特定條件、特定對(duì)象以及特定時(shí)間下得到的,因此對(duì)于模型的適用性本文尚未做分析。在具體進(jìn)行投資分析時(shí),還是應(yīng)該具體情況具體分析,以保證預(yù)測(cè)的準(zhǔn)確性。
【圖文】：

邐ＳＯ逡逑圖２－１單日預(yù)測(cè)值與實(shí)際值對(duì)比逡逑從圖２－１可以看出，單日預(yù)測(cè)方法使預(yù)測(cè)值在大體趨勢(shì)上能夠較好地?cái)M合實(shí)逡逑際值，但也可以看出，在某些具體日期的預(yù)測(cè)上，實(shí)際值與預(yù)測(cè)值的差距還是較逡逑大的。這很可能是因?yàn)閱稳疹A(yù)測(cè)很容易受到一些隨機(jī)因素的影響。沒有更有效地逡逑控制隨機(jī)性的影響。因此需要更為精確的方法降低隨機(jī)性的影響，因此接下來使逡逑用多日加權(quán)平均的預(yù)測(cè)方法。逡逑五彳日預(yù)r>對(duì)比逡逑３５００邋邐■邐，邐１邐！邐＇邐逡逑邐逡逑■邐Ｉ邋二：之丨－逡逑：穆r>％逡逑３０００－邐ｆ邐１彳博逡逑２９００邋－邐！邐－逡逑Ｉ逡逑２＿１邐？邐１邐ｊ邐邐邐１邐逡逑０邐１０邐２０邐３０邐４０邐５０邐５０逡逑圖２－２邋５日與１０日預(yù)測(cè)值與實(shí)際值對(duì)比逡逑從上圖可以看出５日預(yù)測(cè)與１０日預(yù)測(cè)相較于單日預(yù)測(cè)，，預(yù)測(cè)準(zhǔn)確度有所提逡逑２３逡逑

邐４０邐ＳＯ逡逑圖２－１單日預(yù)測(cè)值與實(shí)際值對(duì)比逡逑從圖２－１可以看出，單日預(yù)測(cè)方法使預(yù)測(cè)值在大體趨勢(shì)上能夠較好地?cái)M合實(shí)逡逑際值，但也可以看出，在某些具體日期的預(yù)測(cè)上，實(shí)際值與預(yù)測(cè)值的差距還是較逡逑大的。這很可能是因?yàn)閱稳疹A(yù)測(cè)很容易受到一些隨機(jī)因素的影響。沒有更有效地逡逑控制隨機(jī)性的影響。因此需要更為精確的方法降低隨機(jī)性的影響，因此接下來使逡逑用多日加權(quán)平均的預(yù)測(cè)方法。逡逑五彳日預(yù)r>對(duì)比逡逑３５００邋邐■邐，邐１邐！邐＇邐逡逑邐逡逑■邐Ｉ邋二：之丨－逡逑：穆r>％逡逑３０００－邐ｆ邐１彳博逡逑２９００邋－邐！邐－逡逑Ｉ逡逑２＿１邐？邐１邐ｊ邐邐邐１邐逡逑０邐１０邐２０邐３０邐４０邐５０邐５０逡逑圖２－２邋５日與１０日預(yù)測(cè)值與實(shí)際值對(duì)比逡逑從上圖可以看出５日預(yù)測(cè)與１０日預(yù)測(cè)相較于單日預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確度有所提逡逑２３逡逑
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉潔彬;宋茂強(qiáng);趙方;楊志宇;;基于上下文的二階隱馬爾可夫模型[J];計(jì)算機(jī)工程;2010年10期

2 盧微;;隱馬爾可夫模型在自然語言理解研究中的應(yīng)用[J];電腦與信息技術(shù);2007年01期

3 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預(yù)測(cè)[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年14期

4 陳茂林,戚飛虎;自組織隱馬爾可夫模型的人臉檢測(cè)研究[J];計(jì)算機(jī)學(xué)報(bào);2002年11期

5 王鎖萍;徐思均;鄭元成;;應(yīng)用矢量量化技術(shù)與隱馬爾可夫模型進(jìn)行話者辨認(rèn)[J];南京郵電學(xué)院學(xué)報(bào);1987年04期

6 王曠羽;;基于隱馬爾可夫模型在股票擇時(shí)上的應(yīng)用與研究[J];電腦編程技巧與維護(hù);2018年04期

7 孫浩天;關(guān)欣;咸靜;李鏘;;基于隱馬爾可夫模型的單音及和弦鋼琴指法自動(dòng)標(biāo)注（英文）[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2018年03期

8 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計(jì)工程;2013年17期

9 李勝現(xiàn);田東平;劉建華;;基于改進(jìn)隱馬爾可夫模型的網(wǎng)絡(luò)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估[J];現(xiàn)代電子技術(shù);2011年03期

10 杜旭;凌捷;羅雄昌;;基于隱馬爾可夫模型的網(wǎng)絡(luò)入侵檢測(cè)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2008年03期

相關(guān)會(huì)議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 吳志強(qiáng);陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關(guān)的說話人辨認(rèn)的研究[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC1996）論文集[C];1996年

3 李玉猹;;半隱馬爾可夫模型[A];科技、工程與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會(huì)論文集[C];2004年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測(cè)與識(shí)別中的應(yīng)用[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識(shí)別[A];第一屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議（NCMMSC1990）論文集[C];1990年

6 趙立宏;鄧騫;;基于隱馬爾可夫模型的核設(shè)施故障診斷[A];中國核科學(xué)技術(shù)進(jìn)展報(bào)告（第二卷）——中國核學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集第9冊(cè)（核醫(yī)學(xué)分卷、核技術(shù)工業(yè)應(yīng)用分卷）[C];2011年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測(cè)與識(shí)別系統(tǒng)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

8 俞鴻魁;張華平;劉群;呂學(xué)強(qiáng);施水才;;基于層疊隱馬爾可夫模型的中文命名實(shí)體識(shí)別[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（下冊(cè)）[C];2005年

9 樸元斯;袁運(yùn)能;;基于小波域隱馬爾可夫模型的無監(jiān)督遙感圖像分割[A];全國第十屆信號(hào)與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

10 徐東風(fēng);周萍;景新幸;;改進(jìn)隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李杰;隱馬爾可夫模型的研究及其在圖像識(shí)別中的應(yīng)用[D];清華大學(xué);2004年

2 葛愿;基于隱馬爾可夫模型的網(wǎng)絡(luò)化控制系統(tǒng)建模與控制[D];中國科學(xué)技術(shù)大學(xué);2011年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

4 王金芳;隱馬爾可夫模型平滑估計(jì)理論及其在壓制地震資料隨機(jī)噪聲中的應(yīng)用[D];吉林大學(xué);2009年

5 楊辰雨;語音合成音庫自動(dòng)標(biāo)注方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

6 田勇;多分辨率隱馬爾可夫模型圖像去噪研究[D];蘭州大學(xué);2009年

7 薛繼國;基于眼動(dòng)和腦電的心理旋轉(zhuǎn)認(rèn)知機(jī)制研究[D];中國人民解放軍軍事醫(yī)學(xué)科學(xué)院;2017年

8 蔡明琦;融合發(fā)音機(jī)理的統(tǒng)計(jì)參數(shù)語音合成方法研究[D];中國科學(xué)技術(shù)大學(xué);2015年

9 盛志冬;衛(wèi)星太陽能電池陣的效能及可靠性分析與評(píng)估[D];中國科學(xué)技術(shù)大學(xué);2017年

10 呂俊杰;采用智能方法的可變剪接調(diào)控機(jī)制與相關(guān)疾病研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張璇;基于隱馬爾可夫模型與支持向量機(jī)的股票價(jià)格預(yù)測(cè)實(shí)證研究[D];山東大學(xué);2019年

2 李文陽;基于Kinect v2的跌倒行為檢測(cè)與分析[D];北方民族大學(xué);2019年

3 張晴;基于隱馬爾可夫模型的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法研究[D];河北師范大學(xué);2019年

4 王飛;改進(jìn)初值Π隱馬爾可夫模型預(yù)測(cè)電池剩余壽命研究[D];哈爾濱理工大學(xué);2018年

5 韓立濤;考慮云遮擋的光伏超短期功率預(yù)測(cè)研究[D];華北電力大學(xué)(北京);2018年

6 徐林會(huì);基于隱馬爾可夫模型與語義融合的文本分類研究[D];遼寧工程技術(shù)大學(xué);2017年

7 耿仕勛;基于隱馬爾可夫模型的復(fù)合式攻擊預(yù)測(cè)方法研究[D];河北師范大學(xué);2018年

8 鐘將;基于連續(xù)隱馬爾可夫模型的故障預(yù)測(cè)算法研究[D];北方工業(yè)大學(xué);2018年

9 蔡斯凡;基于隱馬爾可夫模型的自動(dòng)化伴奏系統(tǒng)[D];貴州師范大學(xué);2018年

10 龍?zhí)?基于隱馬爾可夫模型的視頻事件檢測(cè)方法研究[D];華中科技大學(xué);2016年

本文編號(hào)：2633828