基于emd的股票指數(shù)組合預測模型

1、 基于 EMD 的股票指數(shù)組合預測模型 重慶大學碩士學位論文 （學術學位） 學生姓名：張文鳳 指導教師：黃 薇 副教授 專 業(yè)：統(tǒng)計學 學科門類：理 學 重慶大學數(shù)學與統(tǒng)計學院 二 O 一七年六月 重慶大學碩士學位論文 中文摘要 I 摘 要 股票市場是金融市場的重要組成部分，是實體企業(yè)籌集資金的重要渠道，也是投資者合理配置自身資產(chǎn)的主要渠道之一，對實體經(jīng)濟有著不可忽視的支撐作用。股指預測作為投資指導的方式之一在理論及實踐領域

2、均有重要意義。 當前金融時間序列的預測方法主要有統(tǒng)計學類的馬爾可夫過程、ARMA、ARIMA、GARCH 模型和智能算法類的人工神經(jīng)網(wǎng)絡等方法。而經(jīng)驗模式分解（Empirical Mode Decomposition） 是近來被用在金融時間序列預測問題的一種基于時頻分析的全新方法，具有適用性廣、預設條件少等優(yōu)點。它不僅可以對時間序列數(shù)據(jù)進行預處理得到時間序列數(shù)據(jù)的 Hilbert 譜，更能通過分解得到金融時間序列中代表不同周期波動的本征

3、模函數(shù)。 本文基于經(jīng)驗模式分解，結合 Hilbert 變換、ARIMA 模型、隱馬爾可夫過程、模糊神經(jīng)網(wǎng)絡和 RBF 神經(jīng)網(wǎng)絡等方法構建了一種股指組合預測方法以提高股指預測的精度。 首先根據(jù)股指時間序列的特點，對經(jīng)驗模式分解中的停止準則問題進行了深入討論。構建了一套反映經(jīng)驗模式分解在股指價格分析中其穩(wěn)定性與局部包絡性的定量指標，并據(jù)此對經(jīng)驗模式分解的幾種主流停止準則進行了分析，找到了一種能滿足股指時間序列數(shù)據(jù)分解結果穩(wěn)定性要求的停止準則

4、，并在確定該停止準則的參數(shù)時發(fā)現(xiàn)，經(jīng)驗模式分解在應用于股指分析時其停止準則的最優(yōu)參數(shù)設置與其應用于一般信號分析領域時的最優(yōu)參數(shù)設置差別較大，其中在進行股指分析時為了保證分解結果的穩(wěn)定性，需要給停止準則設定較大的容忍度。 其次分析了上證指數(shù)經(jīng)過經(jīng)驗模式分解得到的結果，將分解得到的 6 個本征模函數(shù)分為了短期波動、中期波動和長期波動三類，發(fā)現(xiàn)其中中期波動和長期波動中的部分項與中國股市的幾次大規(guī)模變動的發(fā)生時間與變化趨勢吻合，說明經(jīng)驗模式分解

5、可以有效地分離出股指中不同周期的波動項。 最后根據(jù)分解所得的本征模函數(shù)的不同特點，對短期波動和中長期波動以及余項分別選擇了預測可用到的模型并建立了模型庫，使用模型庫中的模型對于各項的未來趨勢進行預測，并將歷史數(shù)據(jù)作為訓練樣本，使用 RBF 神經(jīng)網(wǎng)絡對各預測模型的預測結果進行集成并得到了最終的組合預測。實證分析顯示該組合預測模型能克服單一預測模型在特定條件下的缺陷， 精度高于單一的 ARIMA、 FNN 等模型，并能在復雜環(huán)境下有效控制誤