覆盖算法在股票预测中的应用-计算机应用技术专业论文.docxVIP

第一章 第一章 绪论 覆盖算法在股票预测中的应用 覆盖算法在股票预测中的应用 PAGE PAGE 13 PAGE PAGE 10 第一章 绪论 1. 1 股票预测的研究背景 证券市场是基金、债券和股票有价证券发行和交易的场所。证券市场是市场 经济发展的产物，是为了解决资本供需矛盾而产生的。股票[ 1] 是上市公司签发的 证明股东持有多少股份的凭证，是一种有价证券。股票的发行和交易极大地促进 了市场经济的发展，企业为了引进新技术、扩大经营规模或转型，这时可以通过 发行股票或债券的方式进行融资，以解决企业发展中资金短缺问题，为企业快速 健康地发展增添了活力。另一方面，投资者为了资本增值，可能购买国债、基金 或股票。与国债和基金相比，股票交易手续费和印花税比较低，且具有很大的灵 活性，所以大部分投资者在证券市场通过买入股票而实现投资，从中获得可观的 收益。股票的收益可分为二级市场股票差价和股票分红。二级市场股票差价是投 资者通过证券市场低价买入股票，然后高价卖出，从中获得的差价收益；股票分 红：股份公司按照公司每年盈利情况，为了回报股东，而进行分红或送股。如今 越来越多的个人投资者热衷于股票投资，然而股票市场高回报伴随着高收益，股 价的高低，不仅取决于股份公司经营状况和盈利情况；同时还受到国内、国际经 济、政治和市场人气等多方面因素的影响。其变化趋势呈现随机性，如何把握股 价变动的趋势规律，从而获得较高的收益，给股市预测提出了新的研究课题。 股票投资离不开对股票深入地分析研究，从而预测其可能变化趋势。股票市 场受到国外股指动态、经济因素、市场人气和主力控盘等多方面的影响，导致了 股指变化的随机性。人们在长期的实践中研究出一些股票的分析方法。早期发展 的一些技术分析理论是股票预测的代表，如道氏理论、波浪理论和 K 线理论等[ 2] ， 在此基础上又发展许多技术分析指标。此外，股票分析还有自回归滤波分析法、 随机分析法、投资组合分析法和基本面分析法等。这些分析方法各有优缺点，面 对这些分析方法，选择何种方法？能够比较准确预测股票的运动趋势，让投资者 感到困惑。因此研究股票运动变化规律，通过设计动态智能化提示且操作简单， 能给投资者提供决策支持的方法是很有必要的。 1. 2 股票预测的意义 当今社会伴随网络和数据库技术的快速发展，信息呈指数级别增长，大量的 数据和信息存储在计算机上，例如气象台每隔一段时间报道的气象数据、电信公 司每每分钟的呼出电话记录数目和证券市场每个交易日股价变动信息等。面对这 些时间序列数据，如何对这些数据与信息进行快速有效地分析、加工、提取进而 获得所需要的知识，已经成为信息技术和交叉学科领域重要的研究课题。 需要是发明之母。对于股票时间序列数据进行深入分析和研究，可以揭示股 票价格运动方向和变化趋势的内在规律，能帮助人们正确认识股票的变化规律并 做出投资决策。随着网络和数据库技术在股票市场中的应用，股票市场得到蓬勃 地发展，成为证券行业必不可少的重要组成部分。由于股票时间序列数据其变动 趋势受到多方面因素的影响，是非线性变化的。传统的线性模型有 ARMA 模型、 GARCH 模型和 Box- Jenki ns 模型等[ 3- 5] ，虽然取得一定的效果，其智能化水平不高， 预测的可靠性还需靠实践进一步修正。而人工神经网络是对人脑一种简单抽象和 模拟，具有良好的非线性逼近能力和信息综合处理能力，成为近年来热门的研究 领域，它以全新的信息表达和处理方式，对人工智能研究产生巨大的吸引力。神 经网络对非线性系统的预测提供了广阔的发展空间，在这种情况下，针对海量时 间序列股票数据，使用人工神经网络和数据挖掘技术进行新的研究，具有非常实 用的价值和现实意义。 1. 3 国内外研究的动态 1. 3. 1 股票预测问题的提出 过去很长一段时间里，由于网络技术和数据库技术不发达，股票市场规模 小和信息获取速度相对滞后，人们通常凭借自己的主观意识进行决策何时买入或 卖出股票。随着网络技术的发展和计算机的普及，人们逐渐意识到要想获得稳定 的收益，需要一些行之有效的预测方法来判断股票市场的走向，进而辅助投资决 策。 由于股票价格变动趋势是一个非线性的时间序列，目前处理时间序列主要有 线性方法和非线性方法。线性方法有 ARMA 模型、GARCH 模型和 Box- Jenki ns 模 型等。这些模型实际应用的效果与技术指标相差不大，而且没有技术指标那么方 便快捷，于是人们继续寻找新的模型、新的理论对股票市场进行模拟和预测。目 前非线性方法主要方法有覆盖算法（Cover i ng Al gor i t hms）、集成学习（Ensembl e Lear ni ng）、BP 神经网络（Ar t i f i ci al