论文部分内容阅读
中国自1985年发行第一支股票,到股票市场的不断发展和完善,仅用了20多年的时间,这是中国经济改革的辉煌成果。自沪深两个交易所成立以来,我国股票市场高速成长,不断扩大发展,如今在金融市场中占有举足轻重的地位。然而,投资和风险是并存的,股票也不例外。 截至目前,已提出很多股市价格预测的方法,并且随着在股市分析领域中计算机技术应用的扩大和普遍,新的指标分析法也在不断地被提出。 由于股票价格序列符合时间序列的一般特征,而模糊时间序列技术对数据的要求正符合股票数据的特点,所以本课题以模糊时间序列为主线研究股票预测问题。这篇论文将首先介绍一些传统的股票预测方法以及模糊时间序列在股票预测问题上的研究现状,并比较它们的优缺点。在此基础上,对传统的模糊时间序列预测模型做以下改进: 第一,众所周知,股票价格是受历史数据影响的。一天的股价不仅与其前一天的股价有关系,也与其前几天的股价有关系,而传统的单阶模糊时间序列模型是无法做到关联前几天的股价的。所以,本课题采用混合多阶模糊时间序列予以改进。 第二,现如今,投资者也经常使用技术指标对股票的未来走势进行分析与预判,所以本课题又将ROC、STOD、KDJ的J值、MACD四个指标引入到预测中,即多变量模糊时间序列。 第三,使用阻尼指数平滑法对训练数据进行预处理,获得平滑的训练数据,但对测试数据不进行任何处理。 第四,通过遗传算法的选择、交叉和变异算子迭代地获得优良的论域划分,并启发式地使用对训练数据的预测均方根误差(RMSE)作为个体适应度。 对于模型的评估,通过将预测结果与其它模型的预测结果作对比,来分析相应的优势与不足。评测指标除了使用均方根误差(RMSE)外,还使用方向准确率(DAR)。最后,再将该方法应用到多支股票和汇率的实际预测中,以验证其可行性。