基于模糊时间序列和智能计算的股市预测研究

论文摘要

金融时间序列是一个复杂的、不确定的和非线性的系统,以带有诸多假设条件的传统统计方法来预测股票价格的波动会影响预测的效果。模糊理论的提出为具有随机性和不确定性特点的金融时间序列建模提供了新的角度。目前,关于模糊预测的研究大多侧重于建立模糊逻辑关系。由于模糊关系可能是非线性和复杂的,故需要·种智能方法来计算这些关系。因此,本文提出基于模糊时间序列和智能计算的股市预测模型,其主要研究工作包括:第一,在股市时间序列中,不同年份趋势性及复杂性存在较大差异问题,如何降低随机信息,把握趋势性信息?针对这个问题,提出了一·种基于模糊逻辑的模糊时间序列预测模型。首先,将实际训练数据的时间序列模糊化为模糊时间序列:然后建立高阶模糊波动逻辑关系;接下来,通过逐点启发式学习过程分析跳跃规则的能力:最后,基于当前的高阶模糊趋势及其相应的跳跃规则及概率进行预测。为f验证模型有效性,将实验误差与一些最新预测模型进行了比较。实验结果表明提出的模型具有一定的有效性和良好预测精度。第二,由于不同年份趋势性及复杂性存在较大差异,个不同的规则及参数适用于不同情境,如何进行更加灵活的规则提取?针对这个问题,提出了一种基于神经网络的模糊时间序列预测模型。该模型的工作归结为:首先,结合模糊集理论和神经网络算法,在一定程度上解决传统模型中存在的过度拟合1问题;其次,运用BP神经网络探索序列数据实际存在的内部规则;最后,运用基于模糊语言表示·的系统输入来实现去除数据中噪声的目的。为了验证的模型的性能,以台湾加权股价指数和上海证券交易所综合指数的数据为例进行了实验与分析,进一步证明模型的有效性和普适性。第三,复杂环境下,股市波动的随机性特征是否可以作为预测的关键特征?同时考虑不确定性和趋势性两个方面的信息表示是否可以使预测更有效?针对这个问题,提出了一种基于中智逻辑的模糊时间序列预测模型。首先,将股票市场的原始时间序列转换为波动时间序列,并根据预定标签将波动时间序列模糊为模糊波动时间序列;然后,基于每个当前值的不同状态的概率来计算其历史波动的信息熵,将中智集用于表示当前状态并进一步建立中智逻辑关系;最后,Jaccard相似性度量用与寻找相似的逻辑关系组并计算其期望值。模型用于预测台湾加权股价指数和香港恒生指数。实验结果表明,该模型对不同数据集具有稳定的预测能力。

论文目录

文章来源

类型: 硕士论文

作者: 代宗利

导师: 关洪军

关键词: 时间序列,模糊理论,波动趋势,智能计算,股市预测

来源: 山东财经大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,金融,证券,投资

单位: 山东财经大学

分类号: O211.61;F832.51

总页数: 74

文件大小: 5383K

下载量: 24

相关论文文献

• [1].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
• [2].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
• [3].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
• [4].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
• [5].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
• [6].王嵬作品[J]. 当代油画 2017(07)
• [7].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
• [8].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
• [9].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
• [10].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
• [11].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
• [12].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
• [13].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
• [14].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
• [15].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
• [16].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
• [17].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
• [18].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
• [19].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
• [20].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
• [21].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
• [22].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
• [23].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
• [24].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
• [25].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)
• [26].复Hilbert空间中的复时间序列[J]. 太原师范学院学报(自然科学版) 2017(04)
• [27].基于中心度的标签传播时间序列聚类方法[J]. 控制与决策 2018(11)
• [28].时间序列多尺度异常检测方法[J]. 计算机工程与应用 2018(20)
• [29].基于R语言时间序列的轿车销量分析及预测[J]. 电脑知识与技术 2017(05)
• [30].本期导读[J]. 统计与决策 2014(22)

标签：时间序列论文;  模糊理论论文;  波动趋势论文;  智能计算论文;  股市预测论文;