【摘 要】
：
股市是上市公司筹措资金和股民投资理财的重要途径。影响股票价格的因素众多,股市波动存在不稳定的特点。尤其是在市场情绪作用下,股市波动具有明显的情绪化倾向,波动更加不稳定。本文根据直接或间接反映市场情绪的数据,从市场情绪的不稳定性和临界性出发,对股市趋势拐点进行研究,具体研究内容如下:（1）股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法,难以适应市场情绪的多变
【基金项目】
：
国家自然科学基金项目,即“面向多源高维的局部因果关系挖掘研究”,（基金项目编号:61876206）； 安徽省关键研究与开发计划项目,即“数据驱动的燃机状态分析和故障预测关键问题研究”,（基金项目编号:201904a05020073）；
论文部分内容阅读
股市是上市公司筹措资金和股民投资理财的重要途径。影响股票价格的因素众多,股市波动存在不稳定的特点。尤其是在市场情绪作用下,股市波动具有明显的情绪化倾向,波动更加不稳定。本文根据直接或间接反映市场情绪的数据,从市场情绪的不稳定性和临界性出发,对股市趋势拐点进行研究,具体研究内容如下:（1）股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法,难以适应市场情绪的多变性,在实际应用中效果不理想。针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔科夫模型股市拐点预测方法（SV-HSMM）。首先,针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔科夫毯融合成市场情绪;然后,利用隐半马尔科夫模型来建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;进而,引入情绪向量平滑情绪的多变性,并利用KullbackLeibler（KL）距离量化情绪热度;最后,利用隐半马尔科夫模型的动态推理实现股市拐点预测。在真实数据上的实验比较与分析结果表明,情绪向量方法具有更好的预测效果。（2）进一步针对股市突变性强导致算法难以适应股市突变的问题,从市场情绪临界性出发提高算法的预测效果。在SV-HSMM算法的基础上,引入指标极性概念表示不同指标反映情绪临界程度差异,提出基于情绪临界性的隐半马尔科夫模型拐点预测方法（SC-HSMM）。首先,对指标的极性进行量化,并构建情绪临界状态与各极性指标的贝叶斯网络来分析极性指标与情绪临界的结构关系;然后,根据流特征提取策略处理极性指标流数据;进而,利用逻辑回归对极性指标处理结果和情绪向量进行融合计算,得到情绪临界性计算结果;最后,根据临界性计算结果,更新状态转移概率矩阵并带入到模型中进行拐点预测。在上证指数和深证成指数据上进行实验结果表明,SC-HSMM算法相对于其它算法具有更好的拐点预测效果。
其他文献
图像生成的目标是根据特定需求生成期望的图像,是计算机视觉中非常重要的研究主题。广义的说来,凡是生成新的图像内容的相关问题都可以归为图像生成问题。图像风格化就是一种特殊的图像生成,它是指将一张具有艺术风格图像的风格渲染到内容图像上,使得生成的图像不仅能保留内容图像的语义信息而且具备风格图像的艺术风格。在众多类型的图像中,文字图像作为抽象概念的重要载体,在日常生活中十分常见,是重要的信息元素之一。艺术
在过去的数十年里,二维拓扑光子晶体作为一种新型电磁材料逐渐开始被应用于光通信等领域。近年来,学者们研究发现其在调控光子行为时展现出的优越性能,包括光学信号传输时的鲁棒性等。然而此类研究目前仍处于初始阶段,拓扑光子晶体许多卓越的物理特性亟待应用于包括非线性光学在内的光学信息处理中。我们发现了拓扑光子晶体对光子的强局域性可以增强光子之间的耦合效率,并且在此基础上,探究了二维非线性材料AlGaAs制造的
图像超分辨率旨在从观测的低分辨率图像重建出清晰的高分辨率图像,是计算机视觉领域中最经典的图像重建任务之一。清晰的高分辨率图像不仅可以直接用于实际生活中,还能给计算机视觉的其他任务提供帮助,例如,目标检测,语义分割。近年来,卷积神经网络在单帧图像超分辨率领域取得了显著的进步,但是现有的图像超分辨率模型大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像的自相似特征。鉴于此,本文提出的方
随着现代科技步入人工智能新时代,数据总量呈现出爆炸式的增长,数据类型也越来越多元化。作为数据因果发现的重要一环,因果结构学习领域向来备受关注。然而,目前大多数因果结构学习算法难以应对复杂的非线性数据,特别是高维大数据,普遍存在计算复杂度大、结果精确度低等问题。究其原因,缺乏相应有效的独立性分析是重要影响因素。本文以此为切入点,构建了一种空间坐标SC系数和条件坐标CSC系数,一方面,将其与贝叶斯网络
语义分割性能的提升得益于模型规模的不断扩大,然而随着模型复杂度的提高,其参数和浮点运算量也在增加。为了将高性能模型部署在资源受限的设备上,模型压缩技术应运而生。神经网络剪枝和知识蒸馏是两种简单且高效的压缩方法,现有的剪枝方法在使用特征信息评估滤波器的重要性时忽略了特征间的关系,且对语义分割网络剪枝后的微调流程较为复杂。此外现有方法还未考虑特征中的干扰信息对滤波器评估的影响,跨层的重要性之间也存在较
超表面是由人工设计的亚波长单元组成的。在过去的几十年里,超表面由于其操纵各种光波参数的能力和丰富的功能而引起了众多研究者的广泛关注。人们可以使用亚波长间隔和空间变化几何参数（例如,天线形状、尺寸、方向）的天线阵列,以形成空间变化的光学响应,从而实现光学波前的随意设计。通过将电磁参数可调谐材料加入超表面设计,人们可由外部控制实现器件功能可调,这为超表面领域的发展提供了全新的动力。本论文基于石墨烯和二
为了降低深度学习对标注样本数量的要求,小样本学习被提出并成为了近年来研究的热点。其中基于度量学习的方法首先将样本映射到嵌入空间中,然后使用距离度量实现分类。已有的度量学习方法通常仅将样本独立地进行特征映射,忽略了对任务整体地观察,导致样本在嵌入空间中的分布缺乏判别性;此外现有方法计算原型作为类表达特征时,仅简单求支持集特征均值,由于样本匮乏,原型计算容易受到噪声的干扰,从而对类别的代表性较差。围绕
近些年来,我国机动车保有量及道路交通量猛增,使交通管理变得异常复杂,给相关交管部门带来了极大的压力,这对智能交通系统技术的发展提出了更大的挑战。对于交通视频中车辆异常事件的检测,车型识别和视频异常检测算法作为其中的关键技术,是智能交通系统的重要组成部分,也一直是计算机视觉领域的研究热点。车辆型号种类众多,某些车型外观差异小,且在实际交通场景下拍摄的图像中的车辆呈现多视角和多尺度的特点,这些因素都造
近年来,随着汽车保有量的持续增长,许多城市道路承载容量已达到饱和,交通出行安全问题、拥堵问题、环境污染问题等日益突出。在这种背景下,我国大力推崇公共交通的发展。随着车联网技术、通信技术、计算机辅助技术以及大数据、云计算、区块链等信息技术的快速发展,越来越多的城市开始建设智能公交系统,智能公交的建设有利于解决上述问题,且符合智慧城市以及绿色发展的理念。另外,随着智能公交建设的规模越来越大,需要部署大
随着软硬件技术的进步,三维模型被广泛地应用于生活的方方面面。由于近些年三维扫描和三维建模技术的提升,使得三维模型的获取变得更加简单,三维模型的数量处理也日益频繁。面对越来越庞大的模型库,快速准确地检索用户需要的模型成为了亟需解决的问题。框架作为三维模型的一种表现形式,在简化表达的基础上可以最大程度保留三维模型的几何形状信息,是检索三维模型的优秀特征。本文以三维模型框架为研究基础,调研了模型框架提取