股票權(quán)證基于分類模型的升跌趨勢(shì)預(yù)測(cè).pdf

1、股票權(quán)證(以股票為標(biāo)的物的權(quán)證)作為金融衍生物的一種，傳統(tǒng)的分析預(yù)測(cè)方式是基于數(shù)量經(jīng)濟(jì)學(xué)上的布萊克-斯科爾斯(Black-Scholes)(1973)期權(quán)定價(jià)公式構(gòu)造預(yù)測(cè)模型.但該定價(jià)公式不符合我國(guó)資本市場(chǎng)的實(shí)際情況：我國(guó)的證券市場(chǎng)沒(méi)有賣空機(jī)制，該公式的前提假設(shè)條件不能滿足，故強(qiáng)制性的將Black-Scholes期權(quán)定價(jià)公式應(yīng)用于我國(guó)的權(quán)證預(yù)測(cè)，效果往往差強(qiáng)人意.本文應(yīng)用數(shù)據(jù)挖掘的方法，在對(duì)股票權(quán)證的真實(shí)歷史交易信息進(jìn)行聚類處理的基礎(chǔ)上

2、，應(yīng)用相關(guān)的分類學(xué)習(xí)算法，最終建立權(quán)證波動(dòng)趨勢(shì)(升，跌)的預(yù)測(cè)模型.用真實(shí)的股票權(quán)證交易歷史數(shù)據(jù)對(duì)該模型進(jìn)行檢測(cè)，預(yù)測(cè)效果令人滿意. 本文的主要工作主要包括兩個(gè)部分：首先是針對(duì)原權(quán)證交易歷史數(shù)據(jù)各列屬性為連續(xù)值的情況，本文利用聚類算法SOM(自組織映射算法)，對(duì)各屬性列分別聚類，很好將連續(xù)值轉(zhuǎn)換為狀態(tài)值，而且這樣的聚類處理減少了連續(xù)值離散化過(guò)程中的信息損失. 權(quán)證波動(dòng)趨勢(shì)(升，跌)的預(yù)測(cè)作為一個(gè)分類問(wèn)題，本文選用了Na(