基于因果滯后分析的時序自回歸股市態(tài)勢預測研究.pdf

1、隨著經濟的快速發(fā)展，股票市場越來越被人們所重視，但股票市場高度的復雜性和不確定性使得對股市的預測存在很大的困難。許多專家學者們一直致力于研究股市的預測，一個好的預測模型不僅能更好地描述股市的變化，更能夠減少投資的風險。
　　本文主要針對股市波動預測模型中波動走勢的拐點難以有效預測導致模型整體的預測準確性和精度不高的問題，從股價走勢變化落后于指標變化的滯后風險角度對股市波動走勢過程中的拐點加以分析引導，同時結合因果貝葉斯網絡理論，以

2、時序自回歸條件異方差模型為基礎預測模型，對股市波動走勢預測進行研究。本文的主要研究工作如下:
　　(1)由于股票價格的變化具有較強的復雜性和不確定性，致使股價波動劇烈，波動拐點頻繁出現(xiàn)。針對波動拐點的有效預測提出一種基于特征滯后計算的股市波動預測算法(LRD-TGARCH-M)，該算法首先根據股價變化與指標變化之間出現(xiàn)的不一致性，提出了滯后性的定義，并結合能量波動的概念，給出了股價走勢過程中特征滯后程度的計算模型;將特征滯后程度計

3、算模型與廣義自回歸條件異方差模型相融合，引導模型對波動拐點的預測，優(yōu)化波動拐點附近誤差項的變化，提高模型的預測精度。
　　(2)在LRD-TGARCH-M算法基礎上進一步分析，發(fā)現(xiàn)在對滯后程度計算時，所提取的滯后特征之間并不是不相關的，而是存在一定的影響關系，基于此，提出了基于特征因果滯后計算的股市態(tài)勢預測算法(CLD-TGARCH-M)。CLD-TGARCH-M算法首先對提取出的多個滯后特征離散化后構建貝葉斯網絡，通過對貝葉斯網

4、絡進行擾動學習其局部因果結構;根據滯后特征之間的局部因果結構修正在股價波動走勢過程中的滯后程度的計算，將修正后的滯后程度加入廣義自回歸條件異方差模型中，啟發(fā)模型對波動拐點的正確預測，進一步優(yōu)化方差的變化，提高模型的預測效果。
　　通過在上證指數的數據上分別對提出的兩個算法進行了對比分析，實驗結果表明，考慮了股價與指標之間的滯后性這一風險因素相比于一般的預測模型有更好的預測效果;結合因果關系的滯后程度計算則能更準確地判斷和預測拐點，