论文部分内容阅读
股市是金融市场的重要组成部分,对国家经济社会发展有着很重要的影响,有效的股市预测方法对广大股民来说有着重大意义。但是中国股市因为受法制建设不健全、市场机制不完善以及投资者心理不成熟等因素影响容易产生大的波动,使得股票价格难以有效的预测。本文针对股市预测中股价波动大小难以预测的问题,从能量的角度对股价的波动性进行分析,以支持向量机模型为基础的预测模型,根据股市的历史数据预测未来的股价走势。本文的主要研究工作如下：(1)K线特征是股市涨跌的因果信息,针对当前的股市预测模型中缺少对K线特征的系统性分析,提出了一种K线能量计算的股市生命期态势预测方法(LPF-SVM)。该算法首先提取典型K线特征,分析K线特征的产生背景,建立K线特征的孕育成熟度模型,接着分析K线特征出现时各种指标的表现,建立K线特征爆发力模型,根据K线特征的孕育成熟度和爆发力预测未来股价趋势,建立KLF-SVM算法模型。为了有效预测态势,引入了股市生命期概念,在KLF-SVM算法基础上,根据K线特征的孕育成熟度和爆发力定义K线特征的能量模型。根据K线特征的能量和K线特征的组合方式判断当前股价处于生命期的哪一阶段,进而预测未来股价波动范围,将这个波动范围作为先验知识加入SVM。实验结果表明,LPF-SVM算法的预测误差比SVM和FWSVM等算法更低。(2)由于LPF-SVM更适合应用于股价走势较为规律的情况,对于股价走势不规律的情况预测结果不够理想,提出了一种基于K线能量和技术指标能量背离程度的股市预测方法(EDD-SVM)。该算法首先通过构建收盘价和各种技术指标的贝叶斯网络,然后提取收盘价的马尔科夫毯,寻找出与股价关系最为密切的技术指标。为了有效预测股价,对被提取的技术指标进行分析,分别定义能量模型,根据技术指标的能量与K线特征的能量之间背离情况判断未来股价的波动范围,将该波动范围作为先验知识加入SVM,预测股价的对数收益率。实验结果表明,EDD-SVM算法的预测误差比LPF-SVM和KLF-SVM等算法更低。