郑乾裕[1]2001年在《基于技术指标的股票专家系统研究》文中指出随着我国股票市场的不断扩大，技术指标交易系统在股票市场的应用越来越普及，技术指标出错率高的问题成为摆在广大股票市场投资者面前的重要问题。虽然目前普遍采用各种技术指标信号过滤技术，改进技术，甚至自创技术，但未能很好地解决技术指标出错率高的问题。 为此，本文分析了股市安全投资比例的影响因素（对错率及对应的损益率），并在大量文献研究的基础上，提取专家在股市中的一些成熟股市转折点的判断知识、技术指标的过滤、改进、自创技术，并在完整深沪两市历史数据分析的基础上，深入探讨十几种常用技术指标的优势，探讨出错率的形成机制，发现出错率高的两个重要阶段，长期横盘和下降阶段，并用独特的股票状态图构造股票专家系统达到在长期横盘状态封锁无效的技术指标信号、在下降阶段通过加大指标周期参数剔除造成亏损的技术信号，并验证了其可行性。所有这些对于加强股市投资管理有着重要的现实意义。
孙巍巍[2]2002年在《基于多指标群决策理论的股票预测系统研究》文中研究说明随着社会、经济的发展以及管理的实践表明，实际生活中广泛存在的大多都是多指标群决策问题。多指标群决策希望解决的问题是在多指标决策中如何集结群体成员的偏好以形成群的偏好，然后根据群的偏好对决策方案进行排序或从中选择群所最偏爱的方案。还应注意的是，这里的群决策，不仅仅指多个决策人的决策，还可以指多种方法的共同决策，这在某些文献里又称为组合决策。本文提出了利用一种新型的数据缩减方法—多指标群决策解决股票预测问题的思路。本论文对于多指标群决策问题的研究过程，主要涉及了五个方面的内容，即指标的选取及定性指标的定量化、决策矩阵的规范化、方案的综合排序、多种方法的集结技术以及指标的缩减。 本文的研究成果如下：1．对现有的多指标决策方法进行了分析和研究，总结出四种较实用的多指标决策优选方法。2．对于群决策的一种，组合决策理论和方法的研究在决策领域基本上还是一个空白，本论文对这种多指标群决策进行了初步的研究，并对多种方法的集结技术进行了探讨。3．本论文对数据缩减技术以及属性维的数据缩减技术进行了初步的探讨和研究。4．同时，本论文还对目前流行的基于粗糙集的数据缩减技术与本论文所采用的多指标群决策的数据缩减技术进行了比较。
郝知远[3]2017年在《基于数据挖掘方法的股票预测系统》文中研究表明随着中国经济社会的发展,越来越多的民众选择投资股市来实现自己资产的增值。如何把握股票的涨跌规律、如何从上千只股票中选择优质股一直是股市中的一个难题。数据挖掘作为一种从大量数据中使用算法搜索其隐藏信息的手段,已经被广泛应用于股市分析中。本文使用了股市中常用的技术指标作为分析基础、支持向量机作为算法对股票价格的变化进行建模,旨在通过机器学习和数据挖掘方法对股票的涨跌进行预测。主要工作包括:本文提出了基于技术指标序列的特征构造方法;以及依据最大化收益思想提出了根据ROC曲线下面积AUC值进行遗传参数寻优的支持向量机,来解决传统方法在股票预测中可用性不高的问题。在实验中,将算法应用于浦发银行股票的涨跌预测中,通过最优化不同时间窗口下分类器的判别效果,求取最佳买入时间点,得到了不错的分类表现和收益回报。之后实现了一个量化选股方法。通过挖掘大量股票上涨趋势的共同规律,选择概率最大的股票进行投资,模拟实际的决策过程并计算了该策略的收益情况。实验表明,本文提出的方法对股票交易具有一定意义上的预测指导作用,因此可以帮助投资者简化投资分析步骤并增加获利。最后,基于上面的预测实验,本文使用MATLAB实现了一个股票预测系统。该系统实现了股票数据获取、股票行情可视化、股票买点预测和量化选股四个模块,给普通投资者的分析提供了方便。
皮六一[4]2013年在《中国证券交易制度的设计与变革研究》文中研究表明资本市场的功能实现,很大程度上依赖证券交易活动,相应地,证券交易制度始终是证券市场的关键制度之一。证券交易所历来是证券交易制度设计与变革的核心,在经济发展和竞争进入全球化时代的今天,证券交易制度的优劣在很大程度上决定了各个证券市场的竞争优势。20世纪90年代以来,证券交易制度的研究已经成为现代金融学和制度经济学的重要领域。因此,证券交易制度的设计与变革研究不但是中国证券市场研究的核心课题,更是中国如何建设一个与世界第二大经济体相匹配的强大的证券市场必须回答的紧迫课题。本文在研究方法上综合采用了形式逻辑、数理模型、几何分析、计量分析、比较制度分析、博弈论、行为金融学分析方法、法经济学分析方法等多种研究分析工具。本文试图通过对大量第一手资料的比较分析,由此来分析和验证国内外证券交易制度设计与变革的关键因素、演变过程和发展趋势,从中抽象出具有一般意义的经济理论,从而逐步建立一个中国证券交易制度设计与变革的整体研究框架。世界各地的证券交易所无论其规模大小和业务多少,其核心功能始终是证券交易,证券交易制度也因此成为证券交易所的核心制度。世界证券市场200多年的发展历史表明证券交易制度的发展有其内在规律,无论哪个市场在设计与变革证券交易制度时都必须认识规律、尊重规律,顺势而为。现行的中国证券交易制度适应封闭条件下新兴加转轨时期的中国资本市场,但不适应人民币国际化时代的全面开放和走向成熟的中国资本市场。证券交易所在组织证券交易的能力上与国际一流交易所存在着明显的差距,已经成为中国证券市场的致命弱点之一。为此,本文采取统分结合的方式,对中国证券交易制度的设计与变革进行系统研究,逐一分析证券交易制度怎么做的、现在怎么样、谁来变、将来怎么变等重大问题。本文首先专题研究海外市场证券交易制度的具体实践,回答全球证券交易制度到底是“怎么做的”。交易制度是为交易业务服务的,因此服从于业务发展,受制于实现模式。考察证券交易制度发展演变的历史,可以发现两条主线：一是交易机制,二是交易组织体系。交易机制旨在解决使用什么交易方式去交易证券,以及如何控制交易进程的问题。交易组织体系旨在解决证券与机制的搭配问题和市场定位问题。不同的证券市场在其发展演变的过程中分别形成了复杂型和简单型的交易组织体系。本文比较研究了海外主要证券交易所的具体实践,专门分析证券交易所交易组织体系的范例、成因及发展趋势,并以上海证券交易所为例重点剖析证券交易业务的基本类型、创新策略与发展趋势。其次,本文把中国证券交易制度放在国际视野中进行比较分析,回答中国证券交易制度“现在怎么样”。如何客观地评估一个市场证券交易制度是证券交易制度设计与变革需要解决的首要问题。本文从横向的国际比较与纵向的历史分析两方面来回答这一问题。一是根据证券交易制度设计的目标与原则,建立了证券交易制度评价指标体系,从横向上基于国际视野对我国市场证券交易制度的现状进行评估。二是从纵向角度,通过建立证券交易制度效率指数,为计算分析不同历史时期同一证券市场证券交易制度的质量提供了定量分析工具。基于上述工作,本文设计了纵向与横向相结合、定性分析与定量测算相配套的一整套的证券交易制度比较分析工具。本文重点研究了证券交易制度设计与变革的主要影响因素,回答“谁来变”的问题,通过分析证券交易制度的发展演变历史,可以发现证券交易所历来在证券交易制度设计与变革中起着关键作用,而且随着从会员制向公司制的演变,证券交易所的决定权也不断扩大,交易制度的设计目标也逐步由注重公平转向强调效率。本文通过系统研究沪深证券交易所前端控制制度的历史演变及发展趋势,揭示出了隐藏在中国证券交易制度中的“监管之手”,提出监管者的意志嵌入是是中国证券交易制度设计与变革研究中必须考虑的重要因素,这也是中国证券交易制度的异化现象以及在国际比较中处于落后地位的重要原因所在。本文提出证券交易制度位于证券市场制度体系的基础部位,对证券交易制度的研究与变革能起到多米诺骨牌的效应,即通过改革在制度中位于最基础部位的制度结构,像推倒多米诺骨牌那样地对相互关联的制度结构进行改革。本文重点了研究中国证券交易制度的变革战略及具体实施方案,回答了未来中国证券交易制度“将来怎么变”的问题。本文认为当前中国资本市场发展关键在于解决两大主要问题,一是必须真正把消费者利益放在首位,二是监管体系必须具有高度的透明性。因此,中国证券交易制度变革必须坚持市场化、法制化和差异化的目标,处理好创新、发展与稳定的关系；处理好产品创新与投资者保护之间相互匹配的关系；处理好现货产品与衍生品平衡发展的关系；处理好金融创新参与各方利益均衡的关系。本文专门设计了证券交易制度变革的叁维空间战略,即市场变革战略、交易方式变革战略、产品变革战略。本文具体设计了五类市场(股票市场、债券市场、基金市场、衍生品市场和柜台市场)根据各自产品类型和交易方式两维度结合后的系列创新矩阵,作为今后交易制度变革发展的指导框架。本文提出了建立差异化交易制度、大力发展大宗交易市场、尽快建立基础衍生品市场、建立做市商制度、逐步实施日内回转交易制度等五项证券交易基础制度变革的具体措施。经过30年的改革开放,中国经济已经发展成为世界第二大经济体,已经从一个完全封闭的计划经济体发展成为一个开放程度日益深化的经济体,随着人民币海外化进程的深入,资本市场作为金融市场保护程度最高的部分之一也正面临全面的开放。而我们面对的是一个基于美元本位制度之上的动荡不安的全球经济金融环境,美国、英国、日本等西方主要国家通过把持国际组织、联合制定国际标准并强制其他市场采用等方式事实上垄断着国际证券交易制度,因此,深入研究中国证券交易制度的设计,积极推进其变革完善,既具有重要的理论价值,也具有重大的现实意义。
卫柄岐[5]2017年在《基于多技术指标和形态轨迹量化的股票趋势预测方法研究》文中研究指明股票市场是反映一国经济实力、公司发展潜力的晴雨表。股票趋势预测吸引了大批的专家学者以及投资者的关注。在分析的过程中如何通过股票历史数据准确预测未来趋势还存在较大困难。目前,股票市场常用的分析方法存在运用单一、对股市波动拟合效果较差、预测精度比较低等问题。因此,多种预测方法互相结合,达到优势互补的效果对股市预测尤为重要。股票技术分析分为技术指标分析和形态轨迹分析。本文结合两种分析方法,区别于大多数传统预测未来股价曲线的方式,将其转换为预测股票趋势转折关键点问题。主要研究内容如下:(1)为了解决股票单点特性难以预测股票趋势问题,提出一种基于滑动窗口和多维技术指标方法表示股票趋势特征。首先,利用滑动窗口得到股票上涨、平稳、下跌叁种趋势变化关键点。其次,利用多维度技术指标表示股票趋势特征。实验表明,该方法提高了股票趋势预测准确率。(2)考虑股票多技术指标趋势特征的冗余性以及预测的准确率和效率,将基于主元的极限学习机分类算法应用于股票趋势预测中。实验结果表明,该分类算法在准确率和效率上表现都比较良好。(3)根据股票形态学理论,提出一种基于五日均线和k线组合形态的股票趋势预测方法。量化五日均线和k线构成的形态轨迹,统计得到最佳买卖决策形态。为投资者对个股的选取提供依据。在新浪财经上获取股票个股数据,大量实验表明与目前常用的几种股票预测算法相比,本文提出的方法提高了趋势预测准确率,降低了预测时间成本。解决了大盘动荡时期难以判定个股以及个股中小涨小跌难以获取的问题。
刘燕[6]2018年在《基于百度指数的上证50指数预测研究》文中研究指明互联网、云计算和信息行业的迅速发展开启了大数据(Big Data)时代,大数据正在给当今社会带来巨大变革。数据已渗透到当今每一个行业和业务职能领域,成为至关重要的生产要素。随着大数据时代的到来,大数据思维也日益改变着现代金融学的研究范式,不断拓展新的研究领域。在我国证券市场中,不具备专业知识或者专业知识较为匮乏的普通投资者占全部投资者的比例约为70%,面对股票市场的两千多只股票以及真假难辨的市场信息,他们难以准确地作出投资决策,但是资本市场是“逐利”的,如何准确的预测股票涨跌情况并获利则成为他们关注的焦点。从基本面分析到技术分析再到如今利用机器学习算法对股价走势进行预测,相关学者对于股价预测这一领域的研究从未停止。本文在前人研究的基础上,从算法和模型指标两个方面研究如何提高机器学习算法在股价走势预测方面的准确率,经过研究发现,在Adaboost和GBDT算法进行优化创造出的XGBoost算法相比较为传统的决策树、SVM算法具有更高的准确率。同时在指标上除了技术性指标外,本文还加入了与行为金融学相关的指标,旨在将技术系指标和非技术性指标进行结合,对比后发现,在同样使用XGBoost算法的情况下,加入百度指数的模型具有更高的准确率。
陈芳芳[7]2016年在《基于支持向量机的股票价格预测研究》文中提出中国的股票市场的变化对于整个国家的市场经济动态而言是密不可分的,在推动我国国民经济的增长上产生了重要的影响。但是我国的股票市场自身存在着一些问题,相对于资本主义市场,我国的股票市场仅仅有30年左右的发展,市场结构还不成熟、制度不健全、监管不适应,以及短期投机炒作过多等,导致股票市场的积极效应难以正常发挥。面对这些问题导致了一些散户投资者和企业投资商在投资上的失误,因此对于股票的预测应用研究,指导广大的投资者合理投资来说有很重要的意义而且迫在眉睫。支持向量机是机器学习的一种新技术新方法,VC维理论为其奠定了坚实的理论基础,结构风险最小化原则也为其风险提供了保障。因此支持向量机(SVM)在函数拟合,高维模式识别,时间序列的预测等领域呈现了所特有的优势。本文的研究内容主要有以下几个方面:(1)、在查阅和参考了大量的国内外文献的前提下,对目前的一些股票的预测方法做了全面的阐述,并且重点说明了支持向量机(SVM)等相关的基础和理论知识。(2)、数据的选取与预处理。股票市场中存在着大量的数据,股票种类繁多,涉及到不同的板块和不同行业类别,本文中选取了40只股票,平均分布在20个行业中,对这些股票进行跟踪并下载实验中所需的各种指标数据,之后对这些数据进行了归一化处理。在论文中我们对这些行业股票进行了实验,并对挑选几只典型的股票,对其实验所得的结果做了比较和论述。(3)、对两种典型的核函数进行了详细的应用研究,实证表明两种核函数中径向基核函数预测效果明显较好。其次针对径向基核函数的参数优化和选择进行了应用对比,通过实验发现遗传算法优化参数的效果会更好一些。(4)、在基于径向基核函数回归支持向量机的基础上,通过实验对比不同技术指标:6种基础特征指标,8种特征指标(包含了挑选的指标MACD,RSI,OBV,CCI),对比研究发现,8种特征属性的预测精度更高,误差较低。接着本文为股票的预测做了一个新的尝试,通过结合分形理论在股票预测上的应用,利用幂指分布求解出股票的分形维数,再将其分形维数作为新的样本特征向量进行股票的预测。将两种不同技术指标用训练出来的模型进行实验并进行比较,从得到的结果中会发现分形维数的引入使得预测结果有一定的提高。(5)、最后利用支持向量机(SVM)和神经网络分别对样本所输入的不同的技术指标体系进行对比实验,会发现在不同的技术指标体系下SVM的预测结果都要比神经网络好。最后对全文的研究工作做了一个全面的总结,以及对进一步的研究方向做了引导。
蔡菁[8]2013年在《基于叁角直觉模糊数的股票投资决策研究》文中进行了进一步梳理目前,中小投资者占据了我国证券市场投资主体地位,他们在资金规模、研发实力、信息收集等方面都与机构投资者无法比拟,属于市场上的弱势方。所以市场上长期盛行着盲目跟风、追涨杀跌等非理性投资行为。针对投机氛围异常浓厚这一现状,前证监会主席郭树清自上任以来,曾六次发话倡导中小投资者建立价值投资、理性投资、长期投资的投资理念。国内外关于证券投资价值的研究比比皆是,然而,适用于中小投资者的投资策略却寥寥无几。若要引导证券市场真正回归理性,为中小投资者提供一种简单易行的投资策略就必不可少。本文首先结合公司战略理论中的PEST分析、行业分析、公司基本面分析,先是定性分析影响企业发展的潜在因素。其次,针对叁角直觉模糊数能够很好地刻画证券市场的复杂性、人类思维的模糊性,选择以叁角直觉模糊数形式表示决策信息,从而提出行业分析中的多属性决策方法,以及个股选择中的群决策方法。最后,选取叁个常用的技术指标分析证券目前股价水平,以及未来可能的趋势走向。技术分析为投资者择时提供了一种分析途径,补充了基本面分析的不足。本文结合基本面分析和技术分析,全方位研究了上市公司的投资价值。具体研究成果可以概括为以下几方面：根据人们实际投资的决策流程,将投资分析分为叁个层次：行业分析、个股分析、技术分析。首先,针对行业的外部环境进行全面分析,确定五个主要影响指标：政治与法律因素、经济因素、行业经济周期、行业生命周期以及行业竞争力,利用这五个指标构建一级评价指标体系,再通过一级评价指标的综合评价值确定表现最优的行业。其次,研究构成公司内部环境的主要因素,筛选出评估企业发展潜力的指标：公司管理层能力、企业竞争力、盈利能力、成长能力、偿债能力,基于这些指标构建二级评价指标体系,从而确定最具投资价值的公司。最后,利用技术指标分析上市公司目前以及未来可能的价格走势,以帮助投资者确定最佳的入市时机,保证投资收益最大化。将可能性理论引入叁角直觉模糊数中,发展了叁角直觉模糊数的可能性均值、可能性均方差的概念。并在可能性均值的基础上,给出了叁角直觉模糊数距离的新定义。研究了属性权重已知,且属性值以叁角直觉模糊数给出的多属性决策问题。在实际决策问题中,定义了方案的叁角模糊数正理想点和负理想点。最后利用TOPSIS的叁角直觉模糊数多属性决策方法进行行业分析,最终结果表明在医疗保健、金融、基础材料这叁个行业当中,医疗保健行业最具投资价值。研究了属性值为叁角直觉模糊数、属性权重完全未知且决策者的权重以语言变量形式给出的多属性群决策问题。首先针对以语言变量形式给出的专家重要性,可利用直觉模糊集投票模型计算各专家的权重。其次,通过叁角直觉模糊数的Minkowski距离信息熵方法,确定方案的属性权重。再基于叁角直觉模糊数理论和可能性理论,根据叁角直觉模糊数的可能性均值、可能性标准差,给出了一种新的排序方法。最后,集结各专家权重和属性权重向量,提出了一种基于可能性均值与标准差的群决策方法,并将它应用于个股选择案例中。实例分析结果表明,相对于九九久、南京医药和同仁堂,爱尔眼科可能更具投资潜力。本文从多达上百种的技术指标中,选取了叁个较为常用的MACD指标、RSI指标和能量潮指标OBV。分别介绍了它们的设计原理、运用法则以及适用的情况。实践证明,这叁个指标在一定程度上可以互补,将它们结合在一起使用会使得预测股价走势的效果更好。利用MACD、RSI及OBV指标实证分析了爱尔眼科和同仁堂的价格走势,实证结果显示无论对于短期投资者还是中长期投资者,目前都不是投资爱尔眼科的好时机。而对短期投资者而言,同仁堂目前是个不错的买入时机。
胡书晓[9]2008年在《基于神经网络的股票K线特征图形预测研究》文中提出证券市场中成功地交易模式是可以模仿学习的。证券是一个高度复杂的非线性动态系统,其变化规律既有一定的自身的趋势性,又受政治、经济、心理等诸多因素的影响。技术分析、心理分析以及建立在数理统计基础上的传统定量预测方法在对股市的研究中面临着许多困难,而神经网络具有自组织、自适应等特点,能自动从历史数据中提取有关经济活动中的知识,因而非常实用于解决股票预测领域中的一些问题。迄今为止,国内外许多学者都建立了相应的预测模型,给出了较好的预测方法,也取得了较好的预测效果,但是关于股票的信息数据是巨大的,大多数研究都只是对大量数据进行挖掘,必然产生很多噪声信息,针对于此,本文对具体的技术分析中K线特征形态进行研究,提炼优化现有的交易模式。本文的工作主要有以下几个方面:(1)概括总结了现阶段在股市分析中运用的理论,论述了神经网络在股市预测模型中的应用,提出了在股票分析中存在的问题以及解决的思路,最后提出本文的研究思路。(2)对技术分析中各种分析方法进行分类总结,重点介绍本论文运用到的K线理论,尤其是锤形K线理论。(3)建立基于神经网络的股票分析模型。讨论了数据采集的指标、采集数据方法和数据处理方法;讨论了建立神经网络结构参数和函数选择问题;学习matlab软件。(4)实证对作为股票技术分析的K线图中广泛使用的锤子(倒锤子)图形进行预测,分别分析不同情况的训练样本和不同预测对象对预测的影响。结果表明,BP神经网络用于国内股市的预测是有效的、可行的。同时,在研究中,由于样本本身容量小且我们对证券市场价格波动有重要影响的基本面诸因素没有予以考虑,所以本文的工作离实际应用还有不小的距离,有待于进一步的改进完善。要达到实用化这一目标,尚需做艰苦的努力。
史媛慧[10]2015年在《基于粗糙集的股价趋势预测研究》文中提出股市作为宏观经济的“晴雨表”,其变化对金融市场和社会稳定都具有重要影响。近几年随着股票市场的不断发展,股市受到的关注越来越多,人们都期望准确预测股票价格,由于受到多方面复杂因素的影响,股票价格变化往往很难准确预测。提高股票价格预测准确率,不仅可以帮助投资者降低投资风险,提高收益,对政府而言还可以及时了解未来股市行情变化,从而制定有效政策,维护金融市场和社会稳定。因此,建立有效股票价格预测模型具有重要意义。本文在前人研究的基础上,对现有的股票价格预测分析方法进行了比较分析,针对我国股票市场自有的特点,结合粗糙集理论,提出基于粗糙集理论的股票价格预测模型。以上证180指数、招商银行等五个样本为例对模型进行实证分析。首先,应用相关系数法对技术指标进行初步筛选,筛选出的指标将作为条件属性,选择一日内股价变化情况作为决策属性,据此建立决策表。以2013年的数据为训练样本,2014年1月的数据为检验样本,对决策表中的数据进行离散化处理。然后进行属性约简,删除冗余属性,生成决策规则,最后对生成的规则进行检验,以验证规则的有效性。结果表明,实证检验预测准确率较高,说明预测模型具有一定的有效性,可以为投资者提供决策支持。
参考文献：
[1]. 基于技术指标的股票专家系统研究[D]. 郑乾裕. 浙江大学. 2001
[2]. 基于多指标群决策理论的股票预测系统研究[D]. 孙巍巍. 昆明理工大学. 2002
[3]. 基于数据挖掘方法的股票预测系统[D]. 郝知远. 南京理工大学. 2017
[4]. 中国证券交易制度的设计与变革研究[D]. 皮六一. 华东师范大学. 2013
[5]. 基于多技术指标和形态轨迹量化的股票趋势预测方法研究[D]. 卫柄岐. 西北大学. 2017
[6]. 基于百度指数的上证50指数预测研究[D]. 刘燕. 上海师范大学. 2018
[7]. 基于支持向量机的股票价格预测研究[D]. 陈芳芳. 重庆理工大学. 2016
[8]. 基于叁角直觉模糊数的股票投资决策研究[D]. 蔡菁. 江西财经大学. 2013
[9]. 基于神经网络的股票K线特征图形预测研究[D]. 胡书晓. 同济大学. 2008
[10]. 基于粗糙集的股价趋势预测研究[D]. 史媛慧. 河北科技大学. 2015
标签：金融论文; 证券论文; 投资论文; 股票论文; 证券交易论文; 股票技术指标论文; 美国证券交易所论文; 股票分析论文; 模糊理论论文; 特征选择论文; 证券论文; 投资论文;