隱馬爾可夫模型參數訓練的改進及在股市預測中的應用.pdf

1、本文首先介紹了隱馬爾可夫模型（the Hidden Markov Model，簡記為HMM模型）的結構。這一模型被應用到很多領域，如語音識別、基因關聯分析和基因識別、文字識別等。隱馬爾可夫模型需要解決三個問題：學習問題、識別問題和解碼問題。對這三個問題的回答就構成了隱馬氏模型理論。
　　本文的工作主要有：
　　1.受啟發(fā)于模式識別工具在股市預測中的成功應用，本文將HMM模型應用于股市預測中，并利用歷史數據進行實證檢驗。樣本外

2、預測的結果說明了HMM模型的適用性，但準確率較低。
　　2.由于國內股市的觀測序列，如股票日收益率，資金日凈流入，成交金額等數據自身具有較強的自相關性，而傳統(tǒng)的隱馬爾可夫模型認為觀測序列的概率分布僅與當前的隱含狀態(tài)有關，不能很好的刻畫股市觀測序列的性質，所以本文引入了改進的HMM模型，即考慮時域上相關性的HMM模型（the time correlation HMM，簡記為TCHMM模型）。實證表明TCHMM模型在預測準確率上有一定