基于EMD的股票指數(shù)組合預(yù)測(cè)模型.pdf

1、股票市場(chǎng)是金融市場(chǎng)的重要組成部分，是實(shí)體企業(yè)籌集資金的重要渠道，也是投資者合理配置自身資產(chǎn)的主要渠道之一，對(duì)實(shí)體經(jīng)濟(jì)有著不可忽視的支撐作用。股指預(yù)測(cè)作為投資指導(dǎo)的方式之一在理論及實(shí)踐領(lǐng)域均有重要意義。
　　當(dāng)前金融時(shí)間序列的預(yù)測(cè)方法主要有統(tǒng)計(jì)學(xué)類的馬爾可夫過程、ARMA、ARIMA、GARCH模型和智能算法類的人工神經(jīng)網(wǎng)絡(luò)等方法。而經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥mpirical Mode Decomposition）是近來被用在金融時(shí)間序列預(yù)測(cè)

2、問題的一種基于時(shí)頻分析的全新方法，具有適用性廣、預(yù)設(shè)條件少等優(yōu)點(diǎn)。它不僅可以對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)處理得到時(shí)間序列數(shù)據(jù)的Hilbert譜，更能通過分解得到金融時(shí)間序列中代表不同周期波動(dòng)的本征模函數(shù)。
　　本文基于經(jīng)驗(yàn)?zāi)Ｊ椒纸?，結(jié)合Hilbert變換、ARIMA模型、隱馬爾可夫過程、模糊神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)等方法構(gòu)建了一種股指組合預(yù)測(cè)方法以提高股指預(yù)測(cè)的精度。
　　首先根據(jù)股指時(shí)間序列的特點(diǎn)，對(duì)經(jīng)驗(yàn)?zāi)Ｊ椒纸庵械耐Ｖ箿?zhǔn)則問題進(jìn)

3、行了深入討論。構(gòu)建了一套反映經(jīng)驗(yàn)?zāi)Ｊ椒纸庠诠芍竷r(jià)格分析中其穩(wěn)定性與局部包絡(luò)性的定量指標(biāo)，并據(jù)此對(duì)經(jīng)驗(yàn)?zāi)Ｊ椒纸獾膸追N主流停止準(zhǔn)則進(jìn)行了分析，找到了一種能滿足股指時(shí)間序列數(shù)據(jù)分解結(jié)果穩(wěn)定性要求的停止準(zhǔn)則，并在確定該停止準(zhǔn)則的參數(shù)時(shí)發(fā)現(xiàn)，經(jīng)驗(yàn)?zāi)Ｊ椒纸庠趹?yīng)用于股指分析時(shí)其停止準(zhǔn)則的最優(yōu)參數(shù)設(shè)置與其應(yīng)用于一般信號(hào)分析領(lǐng)域時(shí)的最優(yōu)參數(shù)設(shè)置差別較大，其中在進(jìn)行股指分析時(shí)為了保證分解結(jié)果的穩(wěn)定性，需要給停止準(zhǔn)則設(shè)定較大的容忍度。
　　其次分析了上

4、證指數(shù)經(jīng)過經(jīng)驗(yàn)?zāi)Ｊ椒纸獾玫降慕Y(jié)果，將分解得到的6個(gè)本征模函數(shù)分為了短期波動(dòng)、中期波動(dòng)和長(zhǎng)期波動(dòng)三類，發(fā)現(xiàn)其中中期波動(dòng)和長(zhǎng)期波動(dòng)中的部分項(xiàng)與中國股市的幾次大規(guī)模變動(dòng)的發(fā)生時(shí)間與變化趨勢(shì)吻合，說明經(jīng)驗(yàn)?zāi)Ｊ椒纸饪梢杂行У胤蛛x出股指中不同周期的波動(dòng)項(xiàng)。
　　最后根據(jù)分解所得的本征模函數(shù)的不同特點(diǎn)，對(duì)短期波動(dòng)和中長(zhǎng)期波動(dòng)以及余項(xiàng)分別選擇了預(yù)測(cè)可用到的模型并建立了模型庫，使用模型庫中的模型對(duì)于各項(xiàng)的未來趨勢(shì)進(jìn)行預(yù)測(cè)，并將歷史數(shù)據(jù)作為訓(xùn)練樣本，