文档介绍：摘要作为经济生活中一个很重要的部分,股票市场是一个复杂的非线性动力系统,因此预测股市是非常困难的。但是由于股市预测的经济意义重大,它在金融投资领域占有及其重要的地位,一直以来都是人们关注的焦点。随着股票市场混沌现象的发现和证明,许多预测混沌时间序列的技术被用来预测股票价格,并取得了一定的成果。本文选取了香港恒生指数和美国道琼斯指数时间序列来作为研究对象。首先,在对数据平稳化处理后,本文利用瓹法同时选取了相空间重构的两个关键参数:延迟时间和嵌入维数,从而完成了对股指序列的相空间重构。然后,利用甈法计算了关联维数、利用小数据量法计算了最大指数来作为重构质量的评估,结果证明对股指序列重构的结果比较近年来,随着人工智能技术的发展,支持向量回归机被成功地应用于股票市场建模中。因此,本文研究了捌淅┱沟男问皆股指序列预测中的应用。首先,利用标准型げ饬怂母鱿嗫占渲毓购蟮墓芍序列,结果表明在可预测时间尺度范围内,该方法预测的效果比较理想。但是,由于股指序列含有噪声、波动性强等问题的存在,固定损失函数的边界会使模型失去对市场信息的及时反映,从而使预测的风险变大。因此,本文利用一种边界不对称型的锤慕P汀1呓绲纳瓒ū湮S墒淙氡淞康姆讲詈拖嗔诘愕牟钪组成,分别反映了序列的波动性和升降趋势。结果表明边界不对称型梢允得预测结果更加准确,并且更有实际意义的是,它降低了下跌风险并一定程度上拉长了可预测时间尺度,因此它更适合用于股指时间序列的预测。本文还推导了回归函数与损失函数上下边界的关系,得到的结论是在一定条件下,回归函数相对上边界来说单调递减,对于下边界来说是单调递增的,因此可以通过上下边界的调整来控制下跌风险。最后,本文提出了研究中存在的问题,并对此提出了今后的研究方向。关键字:股指时间序列预测;相空间重构;支持向量回归机;不对称型支持向量回归机理想。。
知识水坝为您整理
..瓾,,.,,’..瓵,狢:甌..,.
知识水坝为您整理
.瑃.。.:;甀,瑃;;
┟:弛砷年岁月谚日厦门大学学位论文原创性声明兹呈交的学位论文,是本人在导师指导下独立完成的研究成果。本人在论文写作中参考的其他个人或集体的研究成果,均在文中以明确方式标明。本人依法享有和承担由此论文产生的权利和责任。声明人
嘲岬年萝等厦门大学学位论文著作权使用声明本人完全了解厦门大学有关保留、使用学位论文的规定。厦门大⒉槐C√学有权保留并向国家主管部门或其指定机构送交论文的纸质版和电子版,有权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆被查阅,有权将学位论文的内容编入有关数据库进行检索,有权将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适用本规定。本学位论文属于⒈C年解密后适用本授权书。朐谝陨舷嘤ê拍诖颉啊獭作者签导师签期:年月日
选题背景与意义第一章绪论作为经济生活中一个很重要的部分,股票市场是一个复杂的非线性动力系统,不仅因为影响市场的因素众多,如政策、经济状况、投资者心理等,而且它们之间的相互作用是非线性和时变的。因此,人们难以建立完整的描述市场的动力方程。但是股票价格序列是市场上各种影响因素相互作用的结果,如果将它看作系统的输出,可以在一些程度上缓解无法建立市场动力方程的遗憾。从另一方面来看,数据预测一直在金融投资领域占有重要地位,而股票价格是金融数据中最复杂的数据类型之一,对于股票未来价格的精确预测是非常困难的,因此股市预测被认为是当前时间序列预测中最富挑战性的应用之一。经济学家一直致力于研究股票市场价格的变化,希望能从中找出一些规律,避免大的股市波动等情况的发生,从而保持经济繁荣稳定。而就其经济利益来看,理性的投资者总是希望规避风险,同时追求较高的收益,因此股票价格或趋势的预测已经成为金融领域的热点。上世纪末,经济学家从各种有代表性的宏观经济指数中捕捉到了经济混沌存在的普遍证据,股票价格时间序列被证明是含有很强色噪音的混沌时间序列。虽然混沌系统对初始条件的敏感性使得长期预测是不可能的,但短时期内系统运动轨道发散较小,从而利用观测资料进行短期预报是可行的。因此许多预测混沌时间序列的新技术被应用于股价序列的分析。目前,对股票市场这一混沌系统的预测和分析方法有很多,包括全局预测法,局域预测法和非线性预测法等。值得注意的是,随着人工智能技术的发展,许多智能领域的技术被用于股票时间序列的预测。其中一个代表就是人工神经网络珹腔贏的预测需要大量的数据,其网络结构和参数选取较重地依赖于经验,并且存在过学习、易陷入局部最小等缺点,这就容易导致过学习,而且训练速度也慢,限制了它在股票市场建模方面的应用。而等学者提出的支持向量机算法琒墙昀发展迅速的机器学习理论,它已经成功地被应用在时间序列的预测上,为股票市场建模提供了一个突破口。基于结构风险最小化的惴ǎ视糜谛