股價(jià)預(yù)測(cè)中AP-FIG和DKIPSO-SVR模型的構(gòu)建與應(yīng)用.pdf

1、隨著經(jīng)濟(jì)一體化的延伸發(fā)展，股票市場(chǎng)在證券領(lǐng)域中以令人矚目的速度迅猛發(fā)展。但由于股市樣本結(jié)構(gòu)不完整，各指標(biāo)間存在高冗余、線性相關(guān)性，這直接影響著股市近期開盤價(jià)的預(yù)測(cè)，致使提供給投資者是否購(gòu)買股票、拋售股票的參考依據(jù)不太真實(shí)，從而導(dǎo)致近期開盤價(jià)的跌宕起伏。因此，對(duì)于開盤價(jià)預(yù)測(cè)方法的研究具有廣泛的應(yīng)用前景。
　　考慮到傳統(tǒng)預(yù)測(cè)方法精度低、非線性映射能力弱等缺陷，而支持向量回歸機(jī)(SVR)全局最優(yōu)性強(qiáng)，能通過核函數(shù)將非線性問題轉(zhuǎn)變成線性問

2、題。另外，粒子群算法(PSO)收斂速度快、全局尋優(yōu)能力強(qiáng)，通過PSO優(yōu)化SVR不僅能夠選取最優(yōu)參數(shù)，同時(shí)也能提高模型的泛化能力。因此，在單指標(biāo)、多指標(biāo)股價(jià)預(yù)測(cè)中，本文首次提出非對(duì)稱拋物型(AP)函數(shù)模糊信息?；?FIG,AP-FIG)股市樣本，通過主成分分析(PCA)、AP-FIG、網(wǎng)格搜索(GS)優(yōu)化SVR(GS-SVR)、動(dòng)態(tài)權(quán)重因子更新PSO粒子速度（DIPSO）優(yōu)化SVR(DIPSO-SVR)、首次引入動(dòng)態(tài)縮減因子更新DIPSO

3、粒子位置（DKIPSO）優(yōu)化SVR(DKIPSO-SVR)組合預(yù)測(cè)股市近期開盤價(jià)的走勢(shì)及變化區(qū)間。針對(duì)上述現(xiàn)狀和問題，完成以下5部分工作:
　　1、針對(duì)SVR現(xiàn)有的其中3種核函數(shù)，選用滬深指數(shù)、IBM指數(shù)單、多指標(biāo)樣本，通過GS-SVR預(yù)測(cè)股市近期開盤價(jià)。結(jié)果表明感知器核函數(shù)(Sigmoid)擬合效果最好。
　　2、針對(duì)已有預(yù)測(cè)方法僅選用國(guó)內(nèi)或國(guó)外樣本，輸入指標(biāo)選取開盤價(jià)或收盤價(jià)，缺乏真實(shí)性和對(duì)比性。對(duì)此，本文通過三角型函數(shù)

4、的FIG(T-FIG)和GS-SVR預(yù)測(cè)開盤價(jià)選取最優(yōu)單指數(shù)。結(jié)果表明收盤價(jià)代表性強(qiáng)于開盤價(jià)。
　　3、對(duì)于多指標(biāo)樣本，通過PCA進(jìn)行降維，再經(jīng)過AP-FIG和DKIPSO-SVR預(yù)測(cè)近期開盤價(jià)。由其主成分載荷和主成分排序得出:單指標(biāo)預(yù)測(cè)方面，收盤價(jià)是最佳選擇;多指標(biāo)方面，滬深指數(shù)降成2維，IBM指數(shù)降成1維（收盤價(jià)）。
　　4、針對(duì)三角型、梯型函數(shù)?；Ч粔蚱交瑫r(shí)開盤價(jià)走勢(shì)又呈非對(duì)稱型，本文首次提出AP-FIG處理樣