股價預測中AP-FIG和DKIPSO-SVR模型的構(gòu)建與應(yīng)用.pdf

1、隨著經(jīng)濟一體化的延伸發(fā)展，股票市場在證券領(lǐng)域中以令人矚目的速度迅猛發(fā)展。但由于股市樣本結(jié)構(gòu)不完整，各指標間存在高冗余、線性相關(guān)性，這直接影響著股市近期開盤價的預測，致使提供給投資者是否購買股票、拋售股票的參考依據(jù)不太真實，從而導致近期開盤價的跌宕起伏。因此，對于開盤價預測方法的研究具有廣泛的應(yīng)用前景。
　　考慮到傳統(tǒng)預測方法精度低、非線性映射能力弱等缺陷，而支持向量回歸機(SVR)全局最優(yōu)性強，能通過核函數(shù)將非線性問題轉(zhuǎn)變成線性問

2、題。另外，粒子群算法(PSO)收斂速度快、全局尋優(yōu)能力強，通過PSO優(yōu)化SVR不僅能夠選取最優(yōu)參數(shù)，同時也能提高模型的泛化能力。因此，在單指標、多指標股價預測中，本文首次提出非對稱拋物型(AP)函數(shù)模糊信息粒化(FIG,AP-FIG)股市樣本，通過主成分分析(PCA)、AP-FIG、網(wǎng)格搜索(GS)優(yōu)化SVR(GS-SVR)、動態(tài)權(quán)重因子更新PSO粒子速度（DIPSO）優(yōu)化SVR(DIPSO-SVR)、首次引入動態(tài)縮減因子更新DIPSO

3、粒子位置（DKIPSO）優(yōu)化SVR(DKIPSO-SVR)組合預測股市近期開盤價的走勢及變化區(qū)間。針對上述現(xiàn)狀和問題，完成以下5部分工作:
　　1、針對SVR現(xiàn)有的其中3種核函數(shù)，選用滬深指數(shù)、IBM指數(shù)單、多指標樣本，通過GS-SVR預測股市近期開盤價。結(jié)果表明感知器核函數(shù)(Sigmoid)擬合效果最好。
　　2、針對已有預測方法僅選用國內(nèi)或國外樣本，輸入指標選取開盤價或收盤價，缺乏真實性和對比性。對此，本文通過三角型函數(shù)

4、的FIG(T-FIG)和GS-SVR預測開盤價選取最優(yōu)單指數(shù)。結(jié)果表明收盤價代表性強于開盤價。
　　3、對于多指標樣本，通過PCA進行降維，再經(jīng)過AP-FIG和DKIPSO-SVR預測近期開盤價。由其主成分載荷和主成分排序得出:單指標預測方面，收盤價是最佳選擇;多指標方面，滬深指數(shù)降成2維，IBM指數(shù)降成1維（收盤價）。
　　4、針對三角型、梯型函數(shù)粒化效果不夠平滑，同時開盤價走勢又呈非對稱型，本文首次提出AP-FIG處理樣