论文部分内容阅读
随着经济的发展和人们投资意识的转变,股票已成为现代人生活中的一个重要组成部分,股票投资已成为社会公众谈论的中心之一,而股市的健康发展和繁荣也成为管理者和投资者关心和研究的重点。股票投资的收益与风险往往是成正比的,即投资收益越高,可能冒的风险越大。因此,股市预测方法的研究具有极其重要的应用价值和理论意义。但是股价系统内部结构的复杂性、外部因素的多变性决定了这项任务的艰巨性。 本文在深入分析股票投资理论和股价预测方法的基础上,提出了利用属性论方法和波恩斯坦基函数拟合技术的股市预测算法。该算法充分考虑了历史因素对未来的影响。对于上市时间较长的股票,先将该股票的时间序列划分成若干宽度相等的数据窗口,通过对其股价时间序列进行相似性搜索,找到与当前股票时间序列数据窗口运行轨迹最为相似的数据窗口,这种相似数据窗口可能存在多个也可能没有。如果是第一种情况,即存在多个相似数据窗口,这时再结合市场能量指标(MAV,PSY,OBV)作为二次判断的依据,最终找到最相似数据窗口,并利用数据窗口的滑动模型求出相应的滑动系数,从而预测该股次日的股价。如果是第二种情况或对于新上市的股票,因无历史因素可供参考,则使用波恩斯坦基函数拟合技术,把股票时间序列拟合出来。波恩斯坦基函数具有凸包性并具有一定的泛化能力,这一点可以作为预测算法的另一理论依据。 运用本算法编写的软件对大量的股票进行了实际预测,预测结果令人满意。证明了本算法简单、有效。为了和神经网络方法作个比较,我们还设计了一个遗传神经网络,并用此遗传神经网络对相同的股票进行了相同的预测。在论文的最后提出了一些对本算法改进的思想。