基于多技術(shù)指標(biāo)和形態(tài)軌跡量化的股票趨勢預(yù)測方法研究.pdf

1、股票市場是反映一國經(jīng)濟(jì)實(shí)力、公司發(fā)展?jié)摿Φ那缬瓯?。股票趨勢預(yù)測吸引了大批的專家學(xué)者以及投資者的關(guān)注。在分析的過程中如何通過股票歷史數(shù)據(jù)準(zhǔn)確預(yù)測未來趨勢還存在較大困難。目前，股票市場常用的分析方法存在運(yùn)用單一、對股市波動擬合效果較差、預(yù)測精度比較低等問題。因此，多種預(yù)測方法互相結(jié)合，達(dá)到優(yōu)勢互補(bǔ)的效果對股市預(yù)測尤為重要。
　　股票技術(shù)分析分為技術(shù)指標(biāo)分析和形態(tài)軌跡分析。本文結(jié)合兩種分析方法，區(qū)別于大多數(shù)傳統(tǒng)預(yù)測未來股價曲線的方式，將

2、其轉(zhuǎn)換為預(yù)測股票趨勢轉(zhuǎn)折關(guān)鍵點(diǎn)問題。主要研究內(nèi)容如下:
　　(1)為了解決股票單點(diǎn)特性難以預(yù)測股票趨勢問題，提出一種基于滑動窗口和多維技術(shù)指標(biāo)方法表示股票趨勢特征。首先，利用滑動窗口得到股票上漲、平穩(wěn)、下跌三種趨勢變化關(guān)鍵點(diǎn)。其次，利用多維度技術(shù)指標(biāo)表示股票趨勢特征。實(shí)驗(yàn)表明，該方法提高了股票趨勢預(yù)測準(zhǔn)確率。
　　(2)考慮股票多技術(shù)指標(biāo)趨勢特征的冗余性以及預(yù)測的準(zhǔn)確率和效率，將基于主元的極限學(xué)習(xí)機(jī)分類算法應(yīng)用于股票趨勢預(yù)測

3、中。實(shí)驗(yàn)結(jié)果表明，該分類算法在準(zhǔn)確率和效率上表現(xiàn)都比較良好。
　　(3)根據(jù)股票形態(tài)學(xué)理論，提出一種基于五日均線和k線組合形態(tài)的股票趨勢預(yù)測方法。量化五日均線和k線構(gòu)成的形態(tài)軌跡，統(tǒng)計得到最佳買賣決策形態(tài)。為投資者對個股的選取提供依據(jù)。
　　在新浪財經(jīng)上獲取股票個股數(shù)據(jù)，大量實(shí)驗(yàn)表明與目前常用的幾種股票預(yù)測算法相比，本文提出的方法提高了趨勢預(yù)測準(zhǔn)確率，降低了預(yù)測時間成本。解決了大盤動蕩時期難以判定個股以及個股中小漲小跌難以獲