基于模糊时间序列的股市预测性研究

北京工业大学硕士学位论文基于模糊时间序列的股市预测性研究姓名：林海申请学位级别：硕士专业：模式识别与智能控制指导教师：高风20050501基于模糊时间序列的股市预测性研究作者：林海学位授予单位：北京工业大学参考文献(42条)1.新华通讯社查看详情20042.JohnJMurphyIntermarketTechnicalAnalysis19923.TonyPlummerForecastingFinancialMarkets19934.马超群.罗劲虎非线性经济建模与预测的理论与方法研究1999(05)5.马超群.高仁祥现代预测理论与方法19986.ENLorenzTheEssenceofchaos19937.EdgarEPetersFractalMarketAnalysis:ApplyingChaosTheorytoInvestmentandEconomics19948.郭刚.史忠科.戴冠中依据混沌理论进行非线性系统建模变量个数的最优选取[期刊论文]-控制与决策2000(2)9.梁志珊.王丽敏.付大鹏应用混沌理论的电力系统短期负荷预测[期刊论文]-控制与决策1998(1)10.焦立诚神经网络系统理论199011.LiXinWang.JerryMMendelFuzzyBasisFunction,UniversalApproximationandOrthogonalLeast-squaresLearning1992(05)12.WangJung-Hua.ChenShiuan-MingEvolutionarystocktradingdecisionsupportsystemusingslidingwindow199813.SimutisRimvydasFuzzylogicbasedstocktradingsystem200014.ChouSeng-choTimothy.YangChau-chen.ChenChi-huang.Lai,FeipeiRule-basedneuralstocktradingdecisionsupportsystem199615.WonLeeJae.KimSung-Dong.LeeJongwoo.Chae,JinseokAnintelligentstocktradingsystembasedonreinforcementlearning200316.LiuDerong.KongYan.LuxfordEdwardGAdaptivecriticapproachforself-learningstocktrading199917.KuoRJ.ChenCH.HwangYCIntelligentstocktradingdecisionsupportsystemthroughintegrationofgeneticalgorithmbasedfuzzyneuralnetworkandartificialneuralnetwork2001(01)18.LuoYuan.LiuKecheng.DavisDarrylNAmulti-agentdecisionsupportsystemforstocktrading2002(01)19.约翰·赫尔.张陶伟期权、期货和衍生证券199720.QSong.BSChissomFuzzytimeseriesanditsmodels1993(03)21.QSong.BSChissomFuzzyforecastingenrollmentswithfuzzytimeseries-PartⅠ1993(01)22.SMChenForecastingenrollmentsbasedonfuzzytimeseries1996(03)23.吴柏林.张钿富.廖敏志模糊时间数列与台湾地区中学教师人数需求之预测1996(73)24.CJTsai.SJWuANewFormulationforHigh-orderModelingofFuzzyTimeSeries199825.KHHuamgThen-thorderforecastinginfuzzytimeseries200026.KHHuarngEffectivelengthsofintervalstoimproveforecastinginfuzzytimeseries2001(03)27.钟顺传模糊时间序列预测之研究200228.QSong.BSChissomFuzzyforecastingenrollmentswithfuzzytimeseries-PartⅡ1994(01)29.JRHwang.SMChen.CHLeeHandingForecastingproblemsusingFuzzyTimeseries199830.SMChen.JRHwangTempraturepredictionusingfuzzytimeseries2000(02)31.徐国祥统计预测和决策199432.包建祥信息与股票价格变动研究[期刊论文]-世界经济2000(8)33.马向前.任若恩基于市场效率的中国股市波动和发展阶段划分[期刊论文]-经济科学2002(1)34.董少鹏中国股市政策与炒股199735.查看详情36.查看详情37.查看详情38.查看详情39.迈克尔·帕金.梁小民经济学200340.莫里斯.杜焱蜡烛图精解200441.钟铁夫.黄文泉华尔街二百年股市风云录200342.华生中国股市的经济学思考2004相似文献(8条)1.期刊论文吴铭峰.蒋勋.WuMingfeng.JiangXun基于模糊时间序列的预测模型——以上证指数为例-价值工程2008,27(11)模糊理论使用语义变量本身所蕴含的特性.能减少处理问题时的不确定性所带来的困扰,被广泛的应用于各种领域的研究.首先回顾了基于模糊理论的模糊时间序列定义,对现有的模糊时间序列模型进行分析:在此基础上提出了一种新的模糊时间序列预测方法,以上证指数为对象进行了拟合.从结果看,新的基于模糊时间序列预测方法在MSN、平均误差(%)和标准误差(%)等指标上要优于现有的的预测方法.2.学位论文绳国庆模糊值随机变量的逼近定理及模糊时间序列模型2004该文是模糊集合理论在理论和实践中的一些应用,我们的工作分为三部分.(一)Sugeno在[4]中提出了模糊测度.而我们根据[5]首先引入了余模测度和余模变量及其分布,讨论了余模变量的独立性等一些基本性质.在余模理论的基础上我们给出了余模变量分布参数的极大似然f/E估计.最后研究了[10]中提到的一类模糊线性回归模型.(二)不同于Li和Ogura在[19][20][21]研究的有界闭集值随机变量和相应模糊值随机变量,我们研究了无界模糊值随机变量,并主要在Wijsman收敛下得到了无界模糊值随机变量的逼近定理.我们证明的逼近定理基于Hess在[15]中的结果.(三)Song在[39]中提出了模糊时间序列及其模型,基于此,我们给出了半非时变模糊时间序列的定义及其模型构造.最后以台湾加权股价指数为例,我们介绍了模糊时间序列预测的一个过程,因而为投资者提供了一种新的预测投资方法.3.期刊论文何云峰.杨燕.HEYUNFENG.YANGYAN基于模糊时间序列——股票走势的建模与应用-微计算机信息2006,22(33)对证券市场3个重要信息:成交量、时间、价格进行模糊化处理后,以5日平均价格线为建模主要工具,配合上述信息对股市一段时期的数据进行建模,通过序列匹配的方法用另一时期的数据对建模结果进行验证.结果表明该方法是有效的.4.学位论文陈强基于数据挖掘的碳通量预测2009二氧化碳浓度升高已导致全球气温明显上升，并带来其它一系列的环境变化，已引起了人类的高度重视。以区域甚至全球为中心的碳循环观测网络迅速发展起来，积累了大量的观测数据。采用科学的方法来研究这些数据，发现影响碳通量变化的主要环境因素、探索环境因素与碳通量之间的精确映射关系，有利于发现区域或全球范围内的碳通量分布状态。为了发现影响碳通量变换的主要环境因素，探索有效的碳通量预测因素选择方法，本文研究了基于遗传算法搜索的因素选择方法和基于主成分分析的特征因素提取，比较了二者在碳通量因素选择上的优劣。为了研究主要环境因素与碳通量之间的非线性映射关系，以及高精度的碳通量预测方法，本文运用支持向量机进行了碳通量预测。神经网络应用中结构选择的问题，在支持向量机的应用中成为相对容易的核函数选择问题。并且，本文提出了基于模糊时间序列的碳通量短期模式预测，研究了环境因素以及碳通量时间序列的预测方法，根据碳通量历史第t—1天中各时刻模糊集对应的模糊关系来预测第t天中各时刻的碳通量值。最后，本文还提出利用神经网络来研究提前几个时刻的碳通量预测因素对当前时刻碳通量的影响。以全球碳通量观测网络中美国北卡罗来纳州布莱克伍德区杜克森林、美国俄勒冈洲的米托利厄斯中年黄松林、美国亚利桑那州肯德尔草原和美国大山森林四个站点的部分碳通量观测数据为样本，验证了本文所提各方法的有效性，实验结果表明：遗传算法在因素选择时，能够直接搜索到影响碳通量变化的主要环境因素，物理意义明确。支持向量机建立的碳通量预测模型，在碳通量预测性能上要优于BP神经网络，碳通量的预测精度更高。根据第t—1天各时刻碳通量模糊集的对应关系，可以较精确地预测第t天各时刻的碳通量值。利用神经网络作为碳通量预测模型，发现提前几个时刻的碳通量因素对当前时刻的碳通量预测有着重要影响。5.期刊论文覃频频.牙韩高.黄大明.陆凯平基于模糊集理论和灰色理论的铁路客运量预测模型-统计与决策2006,(2)本文基于模糊集理论,在模糊时间序列分析的基础上建立铁路客运量模糊时间序列预测模型,并与灰色理论GM(1,1)、修正GM(1,1)和Markvo三个模型进行了标杆对比.6.学位论文陈罡干散货海运量模糊时间序列预测研究2006干散货航运市场是整个航运市场的重要组成部分。为满足干散货国际贸易中海运需求而形成现行的市场结构。在干散货航运市场上，交易信息充分透明，船东数量众多，货源地集中度高，相应地航线较为集中。政治、经济、自然地理和科技等四个宏观因素对干散货航运市场的海运格局和运量有着重要影响。从干散货国际贸易量中产生的海运量是动态变化的，除了历史数据，对于未来发生的运量无法用精确的数值进行准确的描述。海运量与时间之间不存在象y=x之类明确的函数对应关系式。国际干散货贸易需要通过海运来进行交货，完成交易。但对其具体各时间点产生的海运量却不那么确定，对于这种不确定性，本文认为是种模糊性。对具有全部或部分模糊性现象领域进行预测应采用模糊预测方法，其与经典预测方法本质的不同在于：各自的集合论基础不同。经典预测方法为经典集合，而模糊预测方法为模糊集合。时间序列预测方法适用于需要了解预测目标的发展趋势而不考虑或难以考虑其它影响因素的作用，同时要求预测目标的历史数据较为完整。模糊时间序列法不同于经典时间预测之处在于其引入了隶属函数的概念，在序列的预测演算中起到重要作用。因此，本文借鉴前人的研究成果，将模糊时间序列预测模型引入干散货海运量近期预测领域，采用模糊时间序列预测方法分别建立粮食、铁矿石和煤炭三大干散货近期运量预测模型，并从理论和示例演算两方面验证其适用性。其中，粮食为模糊平滑预测模型，分别采用模糊滑动平均法和数据色彩滑动平均法建模，通过示例演算与经典滑动平均法的比较可以看出，模糊方法比经典方法好；铁矿石和煤炭为模糊多项式预测模型，该模型为区间预测模型——示例演算结果令人满意。7.期刊论文覃频频.黄大明.QinPinpin.HuangDaming客运量预测模糊时间序列和灰色模型的比较-武汉理工大学学报（交通科学与工程版）2007,31(4)基于模糊集理论在模糊时间序列分析的基础上分别建立铁路、公路及民航客运量模糊时间序列模型,并与基于灰色理论的GM(1,1),修正GM(1,1)和Markvo三个模型进行标杆对比,结果表明:模糊时间序列模型能有效提高Markvo模型的预测效果;模型的外推预测能力比Markvo模型强;模糊时间序列模型和灰色