学位论文 > 优秀研究生学位论文题录展示

证券价格的几种预测方法及实证研究

作　者: 李素萍
导　师: 姚洪兴
学　校: 江苏大学
专　业: 应用数学
关键词: 证券市场小波神经网络多变量时间序列非线性组合预测 RBF神经网络灰色预测
分类号: F830.91
类　型: 硕士论文
年　份: 2008年
下　载: 183次
引　用: 0次
阅　读: 论文下载

内容摘要

股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术预测效果不理想。目前,神经网络逐渐成为非线性动态系统预测与建模的强有力的工具。本论文通过对小波神经网络、灰色系统理论和RBF神经网络的深入研究,针对其中的不足,提出了新的解决方法,建立了新的预测模型。本文从三个不同的方面提高了预测效果,然后将这些方法应用于上海股票市场。论文结构安排如下:首先,介绍了股票指数时序的研究背景和研究现状,以及股票时序预测模型建立过程中所需的基本理论概念和基本理论。其次,在验证上证收益率存在非线性特征的基础上,深入研究多变量并将多变量时间序列依赖性度量应用于股票时序的实测数据当中,提出把小波神经网络和主成分分析法推广应用到多变量时间序列的预测当中,并用上证运输指数进行数据仿真。再次,本文研究了灰色预测、RBF神经网络预测和线性组合预测方法以及它们在股票时序中的局限性,提出将灰色预测、RBF神经网络、小波神经网络进行有机结合,建立一种新的小波神经网络组合预测模型,并以中国股票市场上证指数为例进行仿真。最后,本文指出了目前在混沌时间序列预测研究中存在的一些问题和今后一段时间内的研究方向。

全文目录

摘要  5-6
ABSTRACT  6-9
第一章前言  9-14
  1.1 本课题研究的背景和意义  9
  1.2 本课题研究现状  9-13
    1.2.1 证券市场价格波动的非线性混沌分析研究现状  9-10
    1.2.2 证券市场预测的研究现状  10-13
  1.3 本文研究的主要内容  13-14
第二章基本概念和基本理论  14-26
  2.1 相空间重构理论  14-15
  2.2 多变量时序相空间重构  15-18
    2.2.1 多变量时序相空间重构  15-16
    2.2.2 相空间重构中参数选取  16-18
  2.3 多变量时序中变量间的相互依赖性度量  18-22
    2.3.1 两组时间序列之间的相互依赖关系  18-22
    2.3.2 一组时间序列与多组时间序列之间的相互依赖关系  22
  2.4 股指时间序列的数据预处理  22-26
    2.4.1 研究数据的选取  23
    2.4.2 平稳化处理  23-24
    2.4.3 标准化处理  24-26
第三章中国证券市场非线性行为实证研究  26-31
  3.1 沪深股市的收益率分布  26-27
  3.2 R/S检验  27-29
    3.2.1 R/S检验方法  27-28
    3.2.2 数据仿真  28-29
  3.3 仿真结果分析  29-30
  3.4 本章小结  30-31
第四章多变量时间序列分析及其应用  31-42
  4.1 多变量时间序列的预测模型的建立  31-38
    4.1.1 多变量时间序列的相空间重构  31-32
    4.1.2 主成分分析法  32-33
    4.1.3 多变量时间序列之中变量间的依赖性的度量  33-36
    4.1.4 小波神经网络模型  36-38
  4.2 模型仿真  38-41
    4.2.1 数据选取  38
    4.2.2 数据预处理  38-40
    4.2.3 预测结果分析  40-41
  4.3 本章小结  41-42
第五章非线性组合预测模型应用研究  42-51
  5.1 预测组合模型介绍  42-43
    5.1.1 线性组合预测  42
    5.1.2 非线性组合预测  42-43
  5.2 组合预测子模型  43-45
    5.2.1 灰色预测模型  43-44
    5.2.2 RBF网络模型  44-45
  5.3 组合预测模型  45-47
    5.3.1 线性组合预测模型  45-46
    5.3.2 非线性组合预测的小波网络模型  46-47
  5.4 模型仿真  47-50
    5.4.1 数据预处理  48-49
    5.4.2 预测效果评价指标  49
    5.4.3 仿真结果  49-50
  5.5 本章小结  50-51
结语  51-52
参考文献  52-54
攻读硕士学位期间发表的论文  54-55
致谢  55

证券价格的几种预测方法及实证研究

内容摘要

全文目录

相似论文