第9章马尔可夫预测方法试卷.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * （7）分别以前面若干时间段的证券价格指数为初始状态，结合其相应的转移概率矩阵即可预测出该时段证券价格指数的状态概率 （ k为滞时） （8）将同一状态的各预测概率加权和作为证券价格指数处于该状态的预测概率，即 所对应的i即为该时段股票价格状态的预测 【例9-3】 已知2008年3月27日―5月30日上证A股收盘价指数数据如表9-2，试用加权马氏链法预测下一个交易日的指数范围。 序号 收盘价 状态 序号 收盘价 状态 序号 收盘价 状态 序号 收盘价 状态 1 3578.92 2 12 3459 1 23 3696.74 3 34 3802.85 5 2 3756.12 4 13 3513.24 2 24 3875.22 5 35 3782.37 4 3 3643.24 3 14 3453.86 1 25 3946.45 5 36 3612.64 3 4 3492.78 1 15 3381.68 1 26 3917.7 5 37 3718.98 4 5 3512.97 2 16 3247.44 1 27 3755.65 4 38 3657.49 3 6 3616.38 3 17 3270.77 1 28 3837.08 5 39 3644.39 3 7 3777.25 4 18 3303.09 1 29 3791.52 4 40 3530.58 2 8 3790.69 4 19 3439.85 1 30 3805.75 5 41 3541.75 2 9 3581.82 2 20 3759.61 4 31 3735.7 4 42 3629.33 3 10 3642.65 3 21 3732.85 4 32 3837.74 5 43 3568.88 2 11 3664.84 3 22 3645.58 3 33 3816.5 5 44 3602.66 3 （1）先将价格指数按从小到大划分为五个区间：低于3500的为状态1，3500(含)至3600的为状态2，3600(含)至3700的为状态3，3700(含)至3800的为状态4，3800(含)以上的股价为状态5；相应地找出每个数据所在的状态， （2）计算各阶自相关系数 rk=autocorr(X,8) %rk= 1.0000 0.7844 0.5760 0.4516 0.3584 0.2347 0.0511 -0.0977 取滞后5期 （3）将各阶自相关系数规范化可以得到各阶滞时的马尔可夫链权重 wk=rk(2:6)./sum(rk(2:6)) （4）不同滞时的马尔可夫链的转移概率矩阵： 1）滞后一步转移矩阵 程序类似例9-2中的程序，只是将区间范围值替换即可 2）滞后二步转移矩阵 程序同1），只是将程序中的“＋1”改为“＋2”，注意一下最后两个数据不转换 3）滞后三步转移矩阵 程序同1），只是将程序中的“＋1”改为“＋3”，注意一下最后三个数据不转换 4）滞后四步转移矩阵 程序同1），只是将程序中的“＋1”改为“＋4”，注意一下最后四个数据不转换 5）滞后五步转移矩阵 程序同1），只是将程序中的“＋1”改为“＋5”，注意一下最后五个数据不转换 （5）选定最后五天为初始日（5月26日至30日），其所在的状态结合其相应的转移概率矩阵即可预测出该时段证券价格指数的状态概率 初始 日 状 态 滞时/天 权 重 状态空间概率 1 2 3 4 5 5-26 2 5 0.0976 0.5000 0 0.5000 0 0 5-27 2 4 0.1490 0.2000 0.6000 0.2000 0 0 5-28 3 3 0.1878 0.1111 0.3333 0.3333 0 0.2222 5-29 2 2 0.2395 0.1667 0.1667 0.5000 0.1667 0 5-30 3 1 0.3261 0.2000 0.2000 0.3000 0.2000 0.1000 （加权和） 0.2046 0.2571 0.3588 0.1051 0.0743 （6）将同一状态的各预测概率加权和作为证券价格指数处于该状态的预测概率 将表中“状态空间概率”用矩阵Q表示： Q=[P5(2,:);P4(2,:);P3(3,:);P2(2,:);P1(3,:)] wk=wk p1=sum(wk(5:-1:1).*Q(:,1)) p2=sum(wk(5:-1:1).*Q(:,2)) p3=sum(wk(5: