学位论文 > 优秀研究生学位论文题录展示

基于信息熵及粒子群优化算法的模糊时间序列预测模型研究

作　者: 付芳萍
导　师: 车文刚
学　校: 昆明理工大学
专　业: 模式识别与智能系统
关键词: 模糊时间序列信息熵粒子群优化算法金融时间序列预测
分类号: F830
类　型: 硕士论文
年　份: 2011年
下　载: 61次
引　用: 1次
阅　读: 论文下载

内容摘要

随着金融全球化进程的不断加快,中国金融也更深更广的融入到世界经济中。为能更好更快地适应金融全球化带来的全新经济环境,精确的金融市场预测扮演着不可或缺的角色。金融时间序列作为金融市场中最重要的数据类型之一,对其进行准确合理的预测能够有效地指导金融投资者的投资行为和政府调控行为。鉴于时间序列分析应用的广泛性,目前已有众多学者对其进行了各方面的研究。但由于金融时间序列本身具有的高频性、多维度、非线性、模糊性等特征,极大地增加了对金融时间序列进行分析的难度。近年来模糊时间序列在时间序列分析上的应用备受瞩目,针对如何提高模糊时间序列预测模型的精度,目前主要集中在如何客观有效划分论域区间及如何建立有效的模糊逻辑关系矩阵这两方面进行改进与创新。本文在前人工作基础上,提出两种新算法对模糊时间序列中存在的这两个问题进行改进。具体内容总结如下:(1)为能有效构建模糊逻辑关系,本文将信息熵概念引入到模糊集中,使得模糊集能较合理地对数据集进行模糊化处理。通过对阿拉巴马大学入学人数、上证综指、道琼斯工业指数、美元对日元汇率等数据集的预测结果表明,信息、熵的引入使模糊集具有更好的适应性及鲁棒性,同时也大大降低了计算隶属度的复杂性,使得算法具有较好的可执行性。(2)为能客观有效地对论域区间进行划分,本文利用粒子群优化算法的随机搜索性能得出全局最优位置,即论域区间中点。通过与众多已存在的金融时间序列预测模型对比,该算法的引入能很好地解决模糊时间序列中存在人为划分论域的不足,同时也极大地提高了模型的预测精度。

全文目录

中文摘要  3-4
Abstract  4-6
目录  6-8
第一章绪论  8-14
  1.1 课题背景  8-9
  1.2 国内外研究现状  9-11
  1.3 论文创新  11
  1.4 文章结构  11-14
第二章金融时间序列与模糊时间序列分析概述  14-22
  2.1 引言  14
  2.2 金融时间序列  14-16
  2.3 模糊时间序列分析  16-19
    2.3.1 概念介绍  16-19
      2.3.1.1 模糊集合理论  16-18
      2.3.1.2 模糊时间序列  18-19
    2.3.2 预测模型  19
    2.3.3 存在问题  19
  2.4 本章小结  19-22
第三章基于PSO及信息熵的模糊时间序列模型实现  22-34
  3.1 引言  22
  3.2 粒子群优化算法  22-23
  3.3 信息熵  23-24
  3.4 N阶差分启发模型  24
  3.5 算法实现(以入学人数预测为例)  24-28
    3.5.1 定义论域及利用粒子群优化算法划分区间  25
    3.5.2 建立基于信息熵的模糊集并模糊化  25-27
    3.5.3 构建模糊逻辑关系及模糊逻辑关系矩阵  27-28
    3.5.4 解模糊化及预测  28
  3.6 实验结果分析  28-32
  3.7 本章小结  32-34
第四章模型在金融时间序列预测中的应用  34-66
  4.1 引言  34
  4.2 股票指数  34-50
    4.2.1 上证综指  34-42
      4.2.1.1 算法实现  35-39
      4.2.1.2 实验结果对比分析  39-42
    4.2.2 道琼斯工业指数  42-50
      4.2.2.1 算法实现  42-46
      4.2.2.2 实验结果对比分析  46-50
  4.3 USD/JPY汇率  50-59
    4.3.1 算法实现  50-54
    4.3.2 实验结果对比分析  54-59
  4.4 个股验证  59-64
    4.4.1 算法实现  59-63
    4.4.2 实验结果分析  63-64
  4.5 本章小结  64-66
第五章总结与展望  66-68
  5.1 论文总结  66
  5.2 进一步的工作  66-68
致谢  68-70
参考文献  70-76
攻读学位期间作者的工作成果  76

基于信息熵及粒子群优化算法的模糊时间序列预测模型研究

内容摘要

全文目录

相似论文