灰色预测在股票价格中的研究应用.docVIP

灰色预测在股票价格中的研究应用 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：灰色预测在股票价格中的研究应用 1 （二）对股票价格的实证预测 2 三，Verhulst模型[4] 3 （一）模型的建立 3 （二）对股票价格的实证预测 3 （三）两个模型的结果比较 3 文2：高级氧化技术在工业废水处理中的研究应用 4 0 引言 4 1 对高级氧化技术的概括 5 2 在处理工业废水中所用到的高级氧化技术中的方法 5 3 结束语 7 参考文摘引言： 7 原创性声明（模板） 8 文章致谢（模板） 8 正文 灰色预测在股票价格中的研究应用 文1：灰色预测在股票价格中的研究应用 股票市场自建立以来一直都饱受外界关注，股票价格的走势无疑是广大投资者最关注的问题和研究者最深入探讨的课题。怎样寻求股票价格的规律，以取得收益的最大化，成为了广大投资者趋之若鹜的话题。股票市场阴晴不定，股票价格的波动也受到多种因素的影响，比如一些政治因素、相关机构出台的政策、国际趋势的变化、上市公司的运营情况、人文心里因素等等都会对股票的价格产生一定的影响。因此寻求股票价格变化的规律，建立正确有效的股票价格的预测模型对于投资者来说具有一定程度的指导参考作用。 证券业自市场活跃起来，学者们已经寻找并建立了多种股票预测理论与方法。在大量的股票预测方法当中，其中灰色预测的方法与股票市场的灰色特质相吻合，可以做出较好预测效果，并且已经取得了一定程度的成果[1]。本文主要研究灰色GM(1，1)模型对于股票价格预测的应用，以及它的修正模型，即Verhulst模型在股票价格中的应用。预测是根据过去已知的宏观数据，根据一些科学的方法为以后未知的情况作出一定的假设，从而使得真实的结果与我们的预期并不会相差甚远。在股票市场不断发展完善健全的过程当中，股票的价格会受到上文提到众多因素的影响，对于股票价格的预测，我们并不是能根据已有的数据完全掌握其发展规律，还有一部分因素是未知的，这与灰色理论相契合翻，因此我们可以利用灰色预测模型对票的价格进行预测，而尽可能地达到投资者的预期收益。 （二）对股票价格的实证预测 现以中青宝(300052) 2015年10月到2016年4月七个月的月平均数据（数据来源：证券之星网站）为例进行GM(1，1)模型的预测以及模型的检验。原始数据x(O)一(31，29. 11，，18 .08，16 .48．，22)，运用MATLAB程序求得：υ=(0. 0600，29. 8330)T，a=，u=29. 8330，把a，u的值分别带入(2)式得到股票预测模型： 从表1可以看出，从2015年10月到2016年4月七个月之间，通过GM(1，1)模型预测出的中青宝的预测收盘价都在其每期最高价和最低价的范围之间。并且从其模型的检验可以发现其相对误差也较小，因此GM(1，1)模型可以用来做股价的短期预测，并且模型的契合度也较高。但是在实际的应用当中要考虑到其他因素对于股价其自身的影响，因此对于长期的股票价格预测，由于其数据变动序列庞大，此模型的精度有所降低，而修正的Verhulst模型则更适合研究实际长期股价变化的预测，所以我们采取修正模型的Verhulst模型探讨股票价格的变化规律，从而预测股价。 三，Verhulst模型[4] （一）模型的建立 （二）对股票价格的实证预测 现以中青宝(300052) 2015年9月到2016年12月14个月的月平均数据（数据来源：证券之星网站）为例进行预测。原始数据x(0)=(43. 87， 31，， 28. 99， 18. 08 ，16. 48， ， 22， 21. 59， 一般情况下，最常用的模型的检验指标[6]见表3： 通过Matlab程序运行结果，可以看出2015年9月到2016年12月，这14个月的中青宝的预测值均贴近其真实的股票平均价格，相比灰色GM(1，1)模型来说，对于短期的股票价格的预测，灰色GM(1，1)模型预测出来的价格更加贴近其真实的股票价格，但是对于后期的同期股票价格来说，Verhulst模型的预测价格更加贴近其真实的月平均价格。对于模型的检验，其平均相对误差△：，模型精度等级为四级；绝对关联度g=，其精度等级为一级；均方差比值c=，其等级精度为三级。综上所述，可以看出Verhulst模型的精度相对较高，可以在长期的实际的股票价格预测当中应用，并且尽可能的达到投资者的预期收益。 （三）两个模型的结果比较 根据上述预测公式，分别用GM(1，1)模型和Verhulst模型对2015年10月到2016年4月七个月的月平均收盘价做出预测并且对预测结果进行比较，结果见表4： 利用GM(1，1)与Verhulst