基于emd的股票指數(shù)組合預(yù)測模型

1、 基于 EMD 的股票指數(shù)組合預(yù)測模型 重慶大學(xué)碩士學(xué)位論文 （學(xué)術(shù)學(xué)位） 學(xué)生姓名：張文鳳 指導(dǎo)教師：黃 薇 副教授 專 業(yè)：統(tǒng)計學(xué) 學(xué)科門類：理 學(xué) 重慶大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院 二 O 一七年六月 重慶大學(xué)碩士學(xué)位論文 中文摘要 I 摘 要 股票市場是金融市場的重要組成部分，是實體企業(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，對實體經(jīng)濟有著不可忽視的支撐作用。股指預(yù)測作為投資指導(dǎo)的方式之一在理論及實踐領(lǐng)域

2、均有重要意義。 當(dāng)前金融時間序列的預(yù)測方法主要有統(tǒng)計學(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?zāi)Ｊ椒纸猓‥mpirical Mode Decomposition） 是近來被用在金融時間序列預(yù)測問題的一種基于時頻分析的全新方法，具有適用性廣、預(yù)設(shè)條件少等優(yōu)點。它不僅可以對時間序列數(shù)據(jù)進行預(yù)處理得到時間序列數(shù)據(jù)的 Hilbert 譜，更能通過分解得到金融時間序列中代表不同周期波動的本征

3、模函數(shù)。 本文基于經(jīng)驗?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)測方法以提高股指預(yù)測的精度。 首先根據(jù)股指時間序列的特點，對經(jīng)驗?zāi)Ｊ椒纸庵械耐Ｖ箿?zhǔn)則問題進行了深入討論。構(gòu)建了一套反映經(jīng)驗?zāi)Ｊ椒纸庠诠芍竷r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)此對經(jīng)驗?zāi)Ｊ椒纸獾膸追N主流停止準(zhǔn)則進行了分析，找到了一種能滿足股指時間序列數(shù)據(jù)分解結(jié)果穩(wěn)定性要求的停止準(zhǔn)則

4、，并在確定該停止準(zhǔn)則的參數(shù)時發(fā)現(xiàn)，經(jīng)驗?zāi)Ｊ椒纸庠趹?yīng)用于股指分析時其停止準(zhǔn)則的最優(yōu)參數(shù)設(shè)置與其應(yīng)用于一般信號分析領(lǐng)域時的最優(yōu)參數(shù)設(shè)置差別較大，其中在進行股指分析時為了保證分解結(jié)果的穩(wěn)定性，需要給停止準(zhǔn)則設(shè)定較大的容忍度。 其次分析了上證指數(shù)經(jīng)過經(jīng)驗?zāi)Ｊ椒纸獾玫降慕Y(jié)果，將分解得到的 6 個本征模函數(shù)分為了短期波動、中期波動和長期波動三類，發(fā)現(xiàn)其中中期波動和長期波動中的部分項與中國股市的幾次大規(guī)模變動的發(fā)生時間與變化趨勢吻合，說明經(jīng)驗?zāi)Ｊ椒纸?/p>

5、可以有效地分離出股指中不同周期的波動項。 最后根據(jù)分解所得的本征模函數(shù)的不同特點，對短期波動和中長期波動以及余項分別選擇了預(yù)測可用到的模型并建立了模型庫，使用模型庫中的模型對于各項的未來趨勢進行預(yù)測，并將歷史數(shù)據(jù)作為訓(xùn)練樣本，使用 RBF 神經(jīng)網(wǎng)絡(luò)對各預(yù)測模型的預(yù)測結(jié)果進行集成并得到了最終的組合預(yù)測。實證分析顯示該組合預(yù)測模型能克服單一預(yù)測模型在特定條件下的缺陷， 精度高于單一的 ARIMA、 FNN 等模型，并能在復(fù)雜環(huán)境下有效控制誤