学位论文 > 优秀研究生学位论文题录展示
基于隐马尔可夫链的证券价格模型及实证分析
作 者: 龚健
导 师: 马成虎
学 校: 复旦大学
专 业: 金融工程管理
关键词: 隐马尔可夫链 证券价格模型 指数预测
分类号: F832.51
类 型: 硕士论文
年 份: 2011年
下 载: 335次
引 用: 1次
阅 读: 论文下载
内容摘要
本文从金融工程的角度出发对隐马尔可夫链与股票价格模型做实证研究,探讨基于隐性马尔可夫链去构建证券市场指数模型的理论可行性,并基于上证指数进行建模,用实证的方法去检验模型的解释力度。作为金融量化建模的一种尝试,本文试图为股票价格指数研究提供一些新方法与新思路。隐马尔可夫链是一种描述随机过程统计特性的概率模型,由马尔可夫链和一般随机过程两个部分组成。不同于人工神经网络等方法,HMM模型具有完善的概率统计理论做基础,对于经典的评估问题、解码问题、学习问题,都有很多学者对其进行详实而完善的著作描述及算法支持。作为隐马尔可夫链模型中的关键参数,不同的隐状态数目会产生不同的解释结果。第三章使用基于连续观测概率分布的隐马尔可夫链模型对上证指数进行建模,用BIC/OEHS等方法进行检验,证明上证指数收益序列的隐状态应分为三个,其发射函数的均值分别为涨(+0.45%)、跌(-0.79%)、平(+0.07%),从而为接下来的研究做好铺垫。第四章将观测序列扩展到开盘价、最高价、最低价、收盘价四个维度,试图对证券价格时间序列的变动模式进行识别。预测方法主要是用极大似然概率的估计方法,识别股票价格的历史走势中与目标序列所一致的情况,从而预测未来的最大可能走势。在这部分内容里,我们提出了d日加权预测的方法,并用MAPE等工具对各种参数的结果进行分析,通过对比预测精度与预测稳定性,我们认为10日加权预测的表现较好。第五章中,作者在10日加权平均预的HMM模型基础上,选取基于上证50指数的上证50ETF作为研究标的,试图找出预测效果最好的因子组合。通过对基本形态、平均移动均线系统、利率因素、资金流向因素等多个因子的组合分析,得出对收盘价预测效果最好的三个因子:大单动向、涨跌动因、10日均线。
|
全文目录
摘要 4-5 Abstract 5-7 1.引言 7-17 1.1 股票价格指数研究的背景与意义 7-9 1.2 量化择时策略及其意义 9-11 1.3 国内外研究现状 11-15 1.4 本文的研究内容与创新 15-17 2.隐马尔可夫模型 17-25 2.1 HMM简介 17-18 2.2 HMM的参数表示 18-19 2.3 HMM的三个经典问题 19-21 2.4 HMM算法 21-25 3.隐马尔可夫模型在证券指数上的应用 25-38 3.1 实证样本 25 3.2 基于连续观测概率分布的HMM模型 25-29 3.3 不同状态参数下的HMM模型 29-38 4.基于HMM对股票价格的预测 38-47 4.1 基于HMM的预测方法 38-39 4.2 基于HMM的预测模型 39-42 4.3 实证样本及结果 42-47 5.基于HMM对预测因子的讨论 47-53 5.1 HMM模型中预测因子的选取 47-49 5.2 基于HMM的预测模型 49 5.3 实证结果 49-53 6.总结 53-55 附录A:Matlab代码 55-57 附录B:所有影响因子组合的表现 57-59 参考文献 59-62 致谢 62-63
|
相似论文
- 面向股票价格指数多步预测的混合模型研究,F224
- 数据挖掘在证券投资分析中的应用,F832.51
- 基于小波域模型分析的SAR图像斑点噪声抑制算法,TN957.52
- 基于RBF神经网络的上证指数预测研究,F830.91
- 基于灰色系统和神经网络的股价指数预测,F224
- 遗传性疾病基因定位的连锁分析方法,R596
- 湖北省水资源承载力综合指数评价和平衡指数预测研究,TV213.4
- 泰安汇诚公司产品预测研究,F224
- 围麻醉期熵指数脑电监测临床应用的研究,R614.24
- 金属矿山采场安全预警及控制技术研究,TD76
- 脑电非线性参数围术期脑功能的监测,R614
- 基于GA的ANN股价指数预测研究,F224
- 趋势季节模型在痢疾发病人数中的应用,O211.67
- 脑电双频指数在麻醉恢复期中的应用研究,R614
- 中国财政收入的实证分析,F812.41
- 基于多重分形的软件性能衰退预测方法的研究,TP311.52
- 上市公司经营管理中的实证数据的定量方法研究,F276.6
- 一种基于时间序列指数平滑的决策支持算法的研究,TP18
- 基于遗传神经网络的上证股票指数预测,F830.91
- 基于改进BP神经网络的上证指数预测,F224
中图分类: > 经济 > 财政、金融 > 金融、银行 > 中国金融、银行 > 金融市场
© 2012 www.xueweilunwen.com
|