学位论文 > 优秀研究生学位论文题录展示

基于小波—粒子滤波算法的股票价格预测研究

作　者: 胡艺博
导　师: 李月
学　校: 吉林大学
专　业: 信号与信息处理
关键词: 粒子滤波小波变换股票价格预测股票价格波动模型
分类号: F830.91
类　型: 硕士论文
年　份: 2008年
下　载: 455次
引　用: 2次
阅　读: 论文下载

内容摘要

自从股票交易市场出现以来,对股票价格波动的研究就一直没有间断过,股票价格波动的难以描述、难以分析和难以预测正体现了股票市场的高度复杂性和非凡的魅力所在。目前,有众多的股票价格波动数学模型,针对不同的模型有其相应的处理方法。本文采用非线性物理动力学模型描述股票价格波动,并利用卡尔曼滤波算法和粒子滤波算法预测股票价格。粒子滤波(Particle Filter)技术对于非线性系统和非高斯噪声环境具有高度的适应性,充分考虑到了系统的统计特性,并且滤波算法简单,可以很好的解决多参数估计中存在的非线性和复杂性问题。因而更加适用于股票价格波动这一非线性复杂系统。本文首先详细介绍了粒子滤波技术的基本理论,并通过实例对粒子滤波预测估计性能进行仿真,结果证明了在非线性非高斯背景下粒子滤波的优异性能。鉴于粒子滤波算法中粒子选取的不同和粒子权值方差大小会影响粒子滤波算法的预测估计精度,因而引入了小波阈值去噪方法处理粒子,称之为“小波-粒子滤波算法”。在此基础上,深入研究了粒子滤波及小波-粒子滤波在股票价格预测中的实际应用。仿真结果表明因为小波阈值去噪方法的引入,提高了粒子滤波的预测估计性能。最后就其预测误差及其对投资者决策的影响进行了讨论。

全文目录

提要  4-7
第一章绪论  7-13
  1.1 课题研究的背景及意义  7-8
  1.2 粒子滤波研究现状及应用领域  8-9
  1.3 股票价格预测概述  9-11
  1.4 本文结构与主要工作  11-13
第二章粒子滤波算法理论基础  13-37
  2.1 动态空间模型  13
  2.2 Bayes 估计理论  13-16
  2.3 蒙特卡洛方法  16-19
    2.3.1 蒙特卡洛积分  17-18
    2.3.2 重要性采样法  18-19
  2.4 粒子滤波算法  19-34
    2.4.1 序贯重要抽样(SIS)  21-23
    2.4.2 消除退化的关键技术  23-28
    2.4.3 标准粒子滤波算法(SIR)  28-29
    2.4.4 其他粒子滤波算法  29-34
  2.5 仿真实验及分析  34-36
  2.6 本章小结  36-37
第三章股票价格预测  37-52
  3.1 股票价格波动模型  37-44
    3.1.1 股票价格波动因素  37-39
    3.1.2 股票价格波动数学模型  39-43
    3.1.3 非线性物理动力学股票价格模型  43-44
  3.2 常用的预测估计滤波算法  44-47
    3.2.1 卡尔曼滤波算法  45-46
    3.2.2 扩展卡尔曼滤波算法  46-47
  3.3 常用滤波算法在股票价格预测中的应用  47-49
  3.4 仿真实验及分析  49-51
  3.5 本章小结  51-52
第四章小波-粒子算法在股票价格预测中的应用  52-65
  4.1 小波变换基本理论  52-55
  4.2 小波-粒子滤波算法  55-61
    4.2.1 小波变换对粒子滤波算法影响  55-57
    4.2.2 小波-粒子滤波算法  57-61
  4.3 粒子滤波算法在股票价格预测中的应用  61-63
  4.4 小波-粒子滤波算法在股票价格预测中的应用  63
  4.5 仿真实验及分析  63-64
  4.6 本章小结  64-65
第五章预测误差分析  65-74
  5.1 误差产生的原因  65-66
  5.2 误差的度量  66-67
  5.3 误差分析  67-70
  5.4 股票预测误差对投资者决策的影响  70-73
  5.5 本章小结  73-74
第六章总结与展望  74-76
  6.1 全文工作总结  74-75
  6.2 待解决问题  75-76
参考文献  76-80
摘要  80-82
Abstract  82-85
致谢  85-86
导师及作者简介  86

基于小波—粒子滤波算法的股票价格预测研究

内容摘要

全文目录

相似论文