基于KNN方法的股票價格趨勢預測研究.pdf

1、股票不僅能廣泛地聚積社會的閑散資金來擴大國家經(jīng)濟建設規(guī)模，而且能推動資金的融通和經(jīng)濟之間的聯(lián)系，提升資源的使用率。股票價格的波動不僅反映國內(nèi)經(jīng)濟的發(fā)展形勢和上市公司的運營狀況，更是企業(yè)融資和股民投資的重要依據(jù)。因此，預測股票市場價格的漲跌，可以為廣大投資者有效地克服盲目的投資。
　　本文分析了國內(nèi)外股票趨勢預測的相關(guān)研究和存在的問題，采用統(tǒng)計量對描述股票價格的指標進行融合，以達到降維的目的，從而構(gòu)建描述股票價格的新的指標空間。根據(jù)

2、以往采集的股票價格指標數(shù)據(jù)，對現(xiàn)有股票價格趨勢進行研判。本文工作如下:
　　首先，股票價格指標及其趨勢的分析與確定。在分析各類常用反映股票價格趨勢指標的基礎上，本文選取一定周期內(nèi)的收盤價格、最低價格、總手、換手率、成交金額、成交次數(shù)、漲跌幅和振幅作為描述股票價格的特征指標，將股票價格的上漲和下跌兩種趨勢作為分類標簽，基于此，將股票價格趨勢預測問題轉(zhuǎn)化為兩分類問題。
　　其次，股票價格指標的融合與降維。提取15天內(nèi)的股票價格指

3、標，則形成維數(shù)為150的指標向量。維數(shù)過大，極易導致運算量和干擾的出現(xiàn)，從而導致研判的不準確性。本文采用基于統(tǒng)計量的方法來計算一個周期內(nèi)的各項指標的統(tǒng)計量，如均值、標準差、中位數(shù)、峰度和偏度，以獲取融合指標，從而達到降維的目的，獲取到維數(shù)為50的股票價格指標向量。采用此種方法，可以獲取訓練數(shù)據(jù)集與測試數(shù)據(jù)集。
　　再次，基于K近鄰分類方法的股票價格趨勢研判。對要預測價格趨勢的股票，采用K近鄰方法對其進行研判，并給出具體算法步驟。<

4、br>　　最后，本文選取A股市場中五個行業(yè)（如計算機應用、中藥、食品加工制造、生物制品和通訊設備）的歷史交易數(shù)據(jù)，通過融合與降維處理構(gòu)建訓練數(shù)據(jù)集與測試數(shù)據(jù)集。在每個行業(yè)的數(shù)據(jù)中，選取200組上升趨勢和200組下降趨勢的趨勢片段，將具有上漲趨勢特征的股票數(shù)據(jù)作為第一類，具有下跌趨勢特征的股票數(shù)據(jù)作為第二類，分別選取兩類數(shù)據(jù)總數(shù)的前2/3作為訓練集，后1/3作為測試集，其中，K近鄰方法中K取15，5個行業(yè)的分類精度依次為100％、99.2