

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、股市因為受到的影響因素多,影響程度深,導致股市的波動性存在不穩(wěn)定、高頻率的特點。尤其在股市形態(tài)發(fā)展到底部階段的W形態(tài)面臨方向選擇,此時波動性較平時更大。論文以波浪理論為理論基礎,選取股市中的W形態(tài)作為研究對象,通過對不同指標以及指標之間的關系的考慮,分別從形態(tài)成熟度以及形態(tài)均線滯后性等角度對股市中的W形態(tài)進行定義、量化、預測。其中成熟度是對W形態(tài)構建完整程度的量化,形態(tài)的均線滯后性是對W形態(tài)趨勢相對于形態(tài)是否同步的一個量化。最終完成預測
2、模型的構建,其對于股民的投資以及企業(yè)的融資具有重要的意義。具體開展的工作如下:
(1)根據W形態(tài)構建的完整程度,提出一種結構成熟度的時序自回歸股市預測算法SMA。首先,根據艾略特波浪理論引出W形態(tài),根據W形態(tài)的波峰、邊、波谷完成對W形態(tài)的定義。根據W形態(tài)的定義,從成熟度的角度出發(fā)提取相關指標完成對W形態(tài)結點成熟度的量化計算,根據W彤態(tài)波動的時序性、結點的前后相關性構建結點成熟度的貝葉斯網絡,同時使用非對稱信息熵完成對結點成熟度
3、之間關系強度的量化,結合關系強度以及結點成熟度完成結點結構成熟的計算。最后通過結合結點結構成熟度以及目標結點的漲幅構建預測算法,實現對W形態(tài)接下來漲幅的預測,提高了算法風險規(guī)避能力,減小了預測誤差。
(2)W形態(tài)成熟度的構建完成雖然能夠較全面的體現W形態(tài)風險的釋放以及上漲機會的積累,但是伴隨W形態(tài)構建過程中W形態(tài)的趨勢并不一定能夠實現轉勢,即W形態(tài)并不一定由下降的趨勢轉為上漲的趨勢。為了解決以上問題,論文提出均線滯后的時序自回
4、歸股市態(tài)勢預測算法DSMA。首先,提取相關指標完成對W形態(tài)的定義、量化。然后,以20日移動平均線作為對W形態(tài)趨勢定義以及量化的技術指標,完成W形態(tài)中結點的均線滯后程度的計算。接著,構建W形態(tài)結點同結點均線滯后程度的馬爾科夫毯,并且使用非對稱信息熵實現結點描述同均線滯后程度之間關系強度的量化。然后,通過結合關系強度以及均線滯后程度完成結構滯后程度的計算。最后,通過將結構滯后程度與目標結點漲幅作為模型的輸入,完成預測算法的構建,提高了算法的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于因果滯后分析的時序自回歸股市態(tài)勢預測研究.pdf
- 股市預測的自回歸方法
- 社交信息傳播時序預測算法.pdf
- 改進的SVM并行回歸預測算法.pdf
- 基于時序特征的視頻刪除篡改檢測算法.pdf
- 基于BP神經網絡和自回歸模型的股市預測.pdf
- 基于能量因果彈性演化的嶺回歸股市形態(tài)預測研究.pdf
- 基于關聯規(guī)則的改進的線性回歸預測算法.pdf
- 基于AdaBoost回歸樹的多目標預測算法的研究.pdf
- 基于窗口能量計算的神經網絡股市趨勢預測算法研究.pdf
- 基于支持向量機的金融時序數據預測算法研究.pdf
- 基于預測算法的快速多尺度金字塔時空特征點計算算法研究.pdf
- 中國PPI的基于遺傳算法的門限自回歸預測模型.pdf
- 基于回歸預測算法的無線傳感器數據融合節(jié)能算法研究與實現.pdf
- 基于運動行為特征的車輛行駛路徑預測算法.pdf
- 基于K近鄰非參數回歸的短時交通流預測算法研究.pdf
- 天津辦公建筑冷熱負荷特征及預測算法.pdf
- 基于內存計算的鋼鐵價格預測算法研究
- 基于回歸的人臉特征點估計算法研究.pdf
- 基于時序特性的運動陰影檢測算法研究.pdf
評論
0/150
提交評論