股票至今已經(jīng)有400多年的發(fā)展歷史了。股票市場(chǎng)的變化,間接地反映了整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展?fàn)顩r和股票公司的運(yùn)營(yíng)情況,它是整個(gè)社會(huì)經(jīng)濟(jì)的“晴雨表”和“報(bào)警器”。研究股票市場(chǎng)未來(lái)若干天的數(shù)據(jù)變化對(duì)廣大的投資者來(lái)說(shuō)有很重要的意義。 從事股票數(shù)據(jù)研究的學(xué)者主要分為三類:第一類學(xué)者主要應(yīng)用技術(shù)分析的方法來(lái)研究市場(chǎng)過去和現(xiàn)在的行為反應(yīng),從而預(yù)測(cè)整個(gè)股市和某支股票價(jià)格未來(lái)的大致變化趨勢(shì);第二類學(xué)者主要通過時(shí)間序列分析方法來(lái)預(yù)測(cè)股票市場(chǎng)的走勢(shì);第三類學(xué)者則應(yīng)用機(jī)器學(xué)習(xí)的方法建立各種學(xué)習(xí)模型來(lái)研究股票數(shù)據(jù)。 本文對(duì)股票預(yù)測(cè)研究現(xiàn)狀、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)習(xí)理論、支持向量機(jī)、混沌時(shí)間序列、小波理論作了一些介紹,并根據(jù)這些理論建立了預(yù)測(cè)的模型。該預(yù)測(cè)模型的核心是支持向量機(jī)的學(xué)習(xí)方法。支持向量機(jī)建立在統(tǒng)計(jì)學(xué)習(xí)理論的基礎(chǔ)之上,其結(jié)構(gòu)簡(jiǎn)單,在解決小樣本、非線性的問題時(shí)效果很好,而且能夠避免“維數(shù)災(zāi)難”和“過學(xué)習(xí)”等現(xiàn)象。 具體的來(lái)說(shuō),本文完成的工作主要有以下幾點(diǎn): 一、將支持向量機(jī)與混沌時(shí)間序列結(jié)合起來(lái)建立預(yù)測(cè)模型。根據(jù)相空間重構(gòu)的方法將現(xiàn)有的數(shù)據(jù)變換成混沌時(shí)間序列,然后將時(shí)間序列數(shù)據(jù)劃分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù),從而建立支持向...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒言
    1.1 課題意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 股票技術(shù)分析方法
        1.2.2 時(shí)間序列預(yù)測(cè)方法
        1.2.3 人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法
    1.3 論文結(jié)構(gòu)
2 統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)
    2.1 機(jī)器學(xué)習(xí)
        2.1.1 學(xué)習(xí)問題的表示
        2.1.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則
    2.2 統(tǒng)計(jì)學(xué)習(xí)理論
        2.2.1 理論背景
        2.2.2 函數(shù)集VC 維和推廣性的界
        2.2.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則
    2.3 支持向量機(jī)
        2.3.1 支持向量機(jī)原理
        2.3.2 支持向量機(jī)分類
        2.3.3 支持向量機(jī)回歸
        2.3.4 支持向量機(jī)的特性
        2.3.5 支持向量機(jī)訓(xùn)練算法
    2.4 核函數(shù)
        2.4.1 核函數(shù)原理
        2.4.2 常用的核函數(shù)
    2.5 小結(jié)
3 混沌時(shí)間序列
    3.1 混沌理論
    3.2 相空間重構(gòu)理論
    3.3 相空間參數(shù)選取
        3.3.1 自相關(guān)法
        3.3.2 C-C 方法
    3.4 小結(jié)
4 基于支持向量機(jī)的混沌時(shí)間序列預(yù)測(cè)模型
    4.1 數(shù)據(jù)預(yù)處理和模型評(píng)價(jià)標(biāo)準(zhǔn)
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 預(yù)測(cè)模型的評(píng)價(jià)標(biāo)準(zhǔn)
    4.2 股市指標(biāo)
    4.3 核函數(shù)和參數(shù)選取
        4.3.1 核函數(shù)的選取
        4.3.2 參數(shù)選取的意義
        4.3.3 最優(yōu)參數(shù)的選取方法
    4.4 基于支持向量機(jī)的時(shí)間序列模型的建立
    4.5 仿真結(jié)果及分析
        4.5.1 實(shí)驗(yàn)平臺(tái)和數(shù)據(jù)的獲取
        4.5.2 實(shí)驗(yàn)步驟
        4.5.3 仿真實(shí)驗(yàn)
    4.6 小結(jié)
5 小波在支持向量機(jī)中的應(yīng)用
    5.1 小波理論
    5.2 小波變換
        5.2.1 連續(xù)小波變換
        5.2.2 離散小波變換
        5.2.3 小波分解與重構(gòu)
        5.2.4 二維信號(hào)的小波分解與重構(gòu)
    5.3 基于小波的支持向量機(jī)股票預(yù)測(cè)
        5.3.1 基于小波的支持向量機(jī)模型
        5.3.2 仿真分析
    5.4 小結(jié)
6 總結(jié)與展望
    6.1 研究工作總結(jié)
    6.2 后續(xù)工作
    6.3 展望
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果
參考文獻(xiàn)



本文編號(hào)：3775403