基于隱馬爾可夫模型和計(jì)算智能的股票價(jià)格時(shí)間序列預(yù)測(cè).pdf

1、股票價(jià)格時(shí)間序列是股票市場(chǎng)的綜合外在表現(xiàn)形式，正在不斷地引起人們的注意，進(jìn)入人們的生活。對(duì)于股票價(jià)格時(shí)間序列預(yù)測(cè)研究的必要性已經(jīng)成為實(shí)務(wù)界和學(xué)術(shù)界的普遍共識(shí)。
　　然而，由于股票價(jià)格時(shí)間序列本身的復(fù)雜性、多樣性和善變性，影響其變化的因素眾多，有些因素是可以度量的，而有些因素卻難以量化，很難科學(xué)的計(jì)算和評(píng)價(jià)，因而研究難度較大。當(dāng)前，隱馬爾可夫模型（HMM）的廣泛應(yīng)用以及計(jì)算智能（CI）技術(shù)的不斷發(fā)展，為股票價(jià)格時(shí)間序列預(yù)測(cè)研究開(kāi)闊了

2、新的思路，提供了新的理論和技術(shù)支持。
　　本文以隱馬爾可夫模型（HMM）為基礎(chǔ)，結(jié)合幾種計(jì)算智能（CI）方法：人工神經(jīng)網(wǎng)絡(luò)（ANN），模糊邏輯（FL），和進(jìn)化算法（EA），開(kāi)展針對(duì)股票價(jià)格時(shí)間序列預(yù)測(cè)問(wèn)題的系統(tǒng)研究，建立了比較完整的混合算法預(yù)測(cè)模型，以期更進(jìn)一步地豐富和完善股票價(jià)格時(shí)間序列預(yù)測(cè)研究的成果。本文以逐層遞進(jìn)的結(jié)構(gòu)，逐步完善所提出的預(yù)測(cè)模型。
　　首先，提出了一種基于HMM的無(wú)監(jiān)督聚類(lèi)方法。該聚類(lèi)方法是運(yùn)用HMM在

3、數(shù)據(jù)集中識(shí)別相似的數(shù)據(jù)模式，對(duì)于給定的數(shù)據(jù)集，HMM被用來(lái)確定分類(lèi)的數(shù)目，并計(jì)算每個(gè)數(shù)據(jù)模式的對(duì)數(shù)似然值，之后根據(jù)對(duì)數(shù)似然值的大小將其對(duì)應(yīng)的數(shù)據(jù)模式分進(jìn)不同的類(lèi)里。為了檢驗(yàn)該方法的數(shù)據(jù)識(shí)別聚類(lèi)能力，將該方法與其它三種聚類(lèi)方法進(jìn)行了實(shí)證比較研究。
　　其次，根據(jù)之前提出的基于HMM的無(wú)監(jiān)督聚類(lèi)方法，設(shè)計(jì)了針對(duì)股票價(jià)格時(shí)間序列的基礎(chǔ)預(yù)測(cè)模型。該基礎(chǔ)預(yù)測(cè)模型，是從過(guò)去的數(shù)據(jù)集中找出與當(dāng)前股票價(jià)格行為相匹配的模式，然后用適當(dāng)?shù)泥徑鼉r(jià)格元素

4、插入這兩個(gè)數(shù)據(jù)集中，并對(duì)下個(gè)時(shí)間單元的股票價(jià)格進(jìn)行預(yù)測(cè)。以上海證券交易所的六只股票為實(shí)證研究對(duì)象，采用該基礎(chǔ)預(yù)測(cè)模型進(jìn)行了實(shí)證預(yù)測(cè)研究，并與其它預(yù)測(cè)方法進(jìn)行了比較。之后，運(yùn)用ANN和遺傳算法（GA）對(duì)該基礎(chǔ)預(yù)測(cè)模型進(jìn)行了改進(jìn)。其中，ANN用來(lái)轉(zhuǎn)換HMM的輸入觀察序列，GA用來(lái)優(yōu)化HMM的初始參數(shù)，改進(jìn)后的預(yù)測(cè)模型解決了基礎(chǔ)預(yù)測(cè)模型的局限性，并且提高了預(yù)測(cè)的精確度。為了證實(shí)改進(jìn)后的預(yù)測(cè)模型比基礎(chǔ)預(yù)測(cè)模型更優(yōu)秀，以相同的上海證券交易所的六只

5、股票作為實(shí)證研究對(duì)象，進(jìn)行了實(shí)證預(yù)測(cè)研究，并以平均絕對(duì)百分比誤差（MAPE）作為衡量標(biāo)準(zhǔn)，與其它預(yù)測(cè)方法再次進(jìn)行了比較。
　　再次，為了處理股票價(jià)格時(shí)間序列數(shù)據(jù)的非平穩(wěn)性，將模糊邏輯理論引入到之前提出的改進(jìn)后的基礎(chǔ)預(yù)測(cè)模型當(dāng)中，構(gòu)建了一個(gè)有效的數(shù)據(jù)驅(qū)動(dòng)HMM-Fuzzy混合預(yù)測(cè)模型，該混合預(yù)測(cè)模型能夠在提高預(yù)測(cè)精確度的同時(shí)使模糊規(guī)則的數(shù)目最小。該混合預(yù)測(cè)模型的一個(gè)關(guān)鍵優(yōu)勢(shì)是在運(yùn)用模型之前沒(méi)必要去分析訓(xùn)練數(shù)據(jù)集，而這一點(diǎn)對(duì)于其它一些

6、現(xiàn)存的數(shù)據(jù)驅(qū)動(dòng)模型是必要的。此外，該數(shù)據(jù)驅(qū)動(dòng)模糊模型并沒(méi)有受到使用者所定義的參數(shù)的限制。將HMM-Fuzzy模型應(yīng)用在兩組時(shí)間序列數(shù)據(jù)中，進(jìn)行實(shí)證研究。一組是具有非線性和強(qiáng)非平穩(wěn)性特征的Mackey-Glass時(shí)間序列數(shù)據(jù)，另一組是具有非線性和弱非平穩(wěn)性特征的上海證券交易所的六只股票的股票價(jià)格時(shí)間序列數(shù)據(jù)。對(duì)于這兩組數(shù)據(jù)，HMM-Fuzzy模型都能產(chǎn)生較準(zhǔn)確的預(yù)測(cè)結(jié)果。當(dāng)預(yù)測(cè)對(duì)象是具有非線性和弱非平穩(wěn)性特征的時(shí)間序列數(shù)據(jù)時(shí)，HMM-Fu

7、zzy模型可以達(dá)到很好的預(yù)測(cè)性能。然而，當(dāng)預(yù)測(cè)對(duì)象是具有非線性和強(qiáng)非平穩(wěn)性特征的時(shí)間序列數(shù)據(jù)時(shí)，盡管有很好的預(yù)測(cè)性能，但是由于生成的模糊規(guī)則數(shù)目非常大導(dǎo)致模型變得十分復(fù)雜。
　　最后，為了解決對(duì)于具有非線性和強(qiáng)非平穩(wěn)性時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)測(cè)時(shí)，產(chǎn)生大量模糊規(guī)則的問(wèn)題，引入進(jìn)化算法（EA），對(duì)HMM-Fuzzy模型進(jìn)行了改進(jìn)，提出了一種HMM-Fuzzy-EA混合預(yù)測(cè)模型。該混合預(yù)測(cè)模型通過(guò)滿(mǎn)足期望的均方誤差（MSE）來(lái)使模糊規(guī)則的數(shù)

8、目盡可能的小。如果選擇了對(duì)于數(shù)據(jù)集不合適的MSE，可能會(huì)導(dǎo)致生成大量的模糊規(guī)則，還有可能發(fā)生過(guò)度擬合。為了克服這個(gè)問(wèn)題，采用多目標(biāo)EA，在最優(yōu)模糊規(guī)則數(shù)目和預(yù)測(cè)準(zhǔn)確性之間，找到折中解的范圍。通過(guò)實(shí)證研究發(fā)現(xiàn)，選擇合適的MSE值，不僅可以提高預(yù)測(cè)的準(zhǔn)確性并且還可以大幅度降低所生成的模糊規(guī)則數(shù)目。
　　本文對(duì)于結(jié)合隱馬爾可夫模型和計(jì)算智能方法的股票價(jià)格時(shí)間序列預(yù)測(cè)的研究，有利于跨學(xué)科多渠道預(yù)測(cè)建模方法的發(fā)展，豐富了混合預(yù)測(cè)模型的理論與