基于H-LSTM模型的沪深300指数价格预测研究

论文摘要

股票价格走势关系着广大股民的根本利益,深刻地影响了一国的宏观经济政策。股指价格变动反映了权利类市场的走势情况,是重要的金融行情指标,一直备受学术界关注。经典的金融计量模型大多建立在线性范式的基础之上,对金融时间序列的非线性规律刻画不足,在股票价格预测上存在较大局限。随机微分方法假设变量服从马尔科夫过程,造成市场信息选择性遗漏,很难在指数价格预测上“有所建树”。寻找克服上述缺点的价格预测模型,探究深刻影响中国股票指数运行规律的变量特征,有很强的现实和理论意义。本文采取理论分析和实证检验相结合的方法,以沪深300指数为研究对象,选取了2006年1月到2019年3月的数据对股票指数价格进行预测,在已有研究的基础上,提出了一种基于监督学习的信息提取方法。混合信息提取器通过学习Heston和ARIMA的输出特征,将原始的输入变量转化为对Heston和ARIMA敏感的二级变量,巧妙地建立起了机器学习方法同Heston和ARIMA方法的桥梁。然后,本文基于沪深300价格指数,比较H-LSTM、计量经济学方法、随机微分方法对指数价格预测的结果,以探究最符合中国股票指数运动情况的时序模型。最后,本文进一步研究了沪深300指数交易行情、技术面情况、成分股经营状况和宏观经济走势等因素对指数价格的影响,探讨了混合信息提取器特征提取方法同主成分分析、稀疏自编码、t-SNE方法在预测沪深300指数价格上的差异。通过实证研究显示:（1）沪深300指数存在难以被线性模型解释的变动规律,H-LSTM模型对中国指数运动特征的刻画较好,价格预测效果要优于计量经济模型和随机微分模型。（2）加入混频信息处理信息,采用分批预测、逐点后推、控制涨跌幅度策略可以防止长短期记忆神经网络的预测结果和真实结果间出现偏移,进而显著提升LSTM对价格预测的精准度。（3）在对沪深300指数价格进行预测时,增加网络输入变量数量、减少预测的时间宽口可以增加LSTM模型对指数价格的预测结果沪深300指数真实走势间的拟合度。（4）混合信息提取器可以有效的对沪深300指数价格的运行特征进行提取。在输入变量为交易行情、技术面情况、成分股经营状况和宏观经济走势时,混合信息提取器的特征提取效果要优于主成分分析法、稀疏自编码方法和t-SNE等方法。

论文目录

文章来源

类型: 硕士论文

作者: 谢志斌

导师: 马超群

关键词: 价格预测,特征提取,长短期记忆模型,沪深指数

来源: 湖南大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 湖南大学

分类号: F832.51;F224

DOI: 10.27135/d.cnki.ghudu.2019.000182

总页数: 80

文件大小: 4675K

下载量: 84

相关论文文献

• [1].基于神经网络模型的钢铁价格预测[J]. 质量与市场 2020(18)
• [2].分析师目标价格预测的过度迎合行为研究——基于上市公司定向增发的经验证据[J]. 投资研究 2020(06)
• [3].2020年铜市场分析及价格预测[J]. 中国有色金属 2020(05)
• [4].2012/2013年度世界棉花供求、消费与价格预测[J]. 中国棉花 2013(06)
• [5].探索价格预测规律 为科学价格决策服务——价格预测特点、原则及应努力做好的主要工作[J]. 价格理论与实践 2012(06)
• [6].2009—2030年原油价格预测[J]. 国外油田工程 2010(11)
• [7].煤炭价格预测系统模型的构建[J]. 煤炭经济研究 2009(09)
• [8].积极探索 勇于实践 不断提高价格预测能力和水平——对当前价格预测工作的几点思考[J]. 价格理论与实践 2009(12)
• [9].基于大数据机器学习的航班价格预测研究[J]. 黑龙江大学自然科学学报 2019(06)
• [10].基于灰色理论的亳菊价格预测研究[J]. 枣庄学院学报 2020(02)
• [11].经济转型条件下房地产价格预测模型仿真[J]. 计算机仿真 2016(10)
• [12].时间序列在黄金价格预测中的应用[J]. 商 2015(16)
• [13].神经网络在石油价格预测中的仿真研究[J]. 计算机仿真 2011(11)
• [14].智能代理技术在煤炭价格预测系统中的应用[J]. 煤炭经济研究 2009(05)
• [15].基于人工智能的煤炭价格预测研究[J]. 广西质量监督导报 2020(04)
• [16].基于马尔科夫链的棉花价格预测[J]. 中国棉花 2016(10)
• [17].支持向量机的石油价格预测[J]. 计算机仿真 2011(12)
• [18].基于价格预测能力的基金羊群效应模型与算例分析[J]. 上海管理科学 2011(03)
• [19].地产:再次上调09年销量价格预测[J]. 股市动态分析 2009(23)
• [20].世界银行报告调低2016年原油价格预测[J]. 合成润滑材料 2016(01)
• [21].组合模型在电力价格预测中的应用研究[J]. 计算机仿真 2010(10)
• [22].广西重要产业产品2008年价格走势及2009年价格预测[J]. 市场论坛 2009(02)
• [23].我国主要粮食价格预测预警研究——基于神经网络及控制图理论分析[J]. 价格理论与实践 2017(05)
• [24].基于基差和价格预测的套期保值思路初探[J]. 经贸实践 2016(09)
• [25].国际原油价格预测的双层随机整数规划模型、算法及应用[J]. 运筹学学报 2015(03)
• [26].相空间重构和参数统一求解的石油价格预测[J]. 计算机工程与应用 2013(23)
• [27].基于层级支持向量机的石油价格预测[J]. 石油工业计算机应用 2009(03)
• [28].呼包鄂地区商品房价格预测及影响因素分析[J]. 工程经济 2020(07)
• [29].机票价格预测的模糊时间序列方法[J]. 小型微型计算机系统 2016(11)
• [30].基于人工神经网络算法的黄金价格预测问题研究[J]. 经济问题 2010(01)

标签：价格预测论文;  特征提取论文;  长短期记忆模型论文;  沪深指数论文;