论文部分内容阅读
随着经济一体化的延伸发展,股票市场在证券领域中以令人瞩目的速度迅猛发展。但由于股市样本结构不完整,各指标间存在高冗余、线性相关性,这直接影响着股市近期开盘价的预测,致使提供给投资者是否购买股票、抛售股票的参考依据不太真实,从而导致近期开盘价的跌宕起伏。因此,对于开盘价预测方法的研究具有广泛的应用前景。考虑到传统预测方法精度低、非线性映射能力弱等缺陷,而支持向量回归机(SVR)全局最优性强,能通过核函数将非线性问题转变成线性问题。另外,粒子群算法(PSO)收敛速度快、全局寻优能力强,通过PSO优化SVR不仅能够选取最优参数,同时也能提高模型的泛化能力。因此,在单指标、多指标股价预测中,本文首次提出非对称抛物型(AP)函数模糊信息粒化(FIG,AP-FIG)股市样本,通过主成分分析(PCA)、AP-FIG、网格搜索(GS)优化SVR(GS-SVR)、动态权重因子更新PSO粒子速度(DIPSO)优化SVR (DIPSO-SVR)、首次引入动态缩减因子更新DIPSO粒子位置(DKIPSO)优化SVR (DKIPSO-SVR)组合预测股市近期开盘价的走势及变化区间。针对上述现状和问题,完成以下5部分工作：1、针对SVR现有的其中3种核函数,选用沪深指数、IBM指数单、多指标样本,通过GS-SVR预测股市近期开盘价。结果表明感知器核函数(Sigmoid)拟合效果最好。2、针对已有预测方法仅选用国内或国外样本,输入指标选取开盘价或收盘价,缺乏真实性和对比性。对此,本文通过三角型函数的FIG(T-FIG)和GS-SVR预测开盘价选取最优单指数。结果表明收盘价代表性强于开盘价。3、对于多指标样本,通过PCA进行降维,再经过AP-FIG和DKIPSO-SVR预测近期开盘价。由其主成分载荷和主成分排序得出：单指标预测方面,收盘价是最佳选择；多指标方面,沪深指数降成2维,IBM指数降成1维(收盘价)。4、针对三角型、梯型函数粒化效果不够平滑,同时开盘价走势又呈非对称型,本文首次提出AP-FIG处理样本,通过DKIPSO-SVR预测股市近期开盘价。结果表明AP拟合度高,变化区间小；梯型次之,较优于三角型。5、针对定值权重因子更新PSO粒子速度(IPSO)优化SVR效能较低,定值缩减因子更新IPSO粒子速度(RIPSO)各因子间相互冗余,本文首次建立DKIPSO-SVR模型,并通过AP-FIG、 DIPSO-SVR和DKIPSO-SVR预测股市开盘价。结果表明DKIPSO-SVR变化区间和泛化能力均优于DIPSO-SVR。