收藏本站
《上海社会科学院》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于EEMD-MARS-SVR模型的证券市场分析

李文洋  
【摘要】:本文提出一个由集合经验模态分解(EEMD)、多元自适应回归样条法(MARS)、支持向量回归(SVR)三部分构成的分析预测模型,并将其用于金融时间序列的建模预测。其中,EEMD是集合经验模态分解(EMD)的改进版,将白噪声引入EMD中,有效解决了 EMD中一个IMF存在多种频率的缺陷,一般应用于通信和IT领域的数据处理,其应用于金融领域的优点在于无需事先设定任何基函数。MARS利用样条函数来拟合局部的复杂非线性关系,并能够通过剪枝过程得到解释变量的权重,可用于变量的筛选。SVR是机器学习中常用的预测模型,广泛应用于IT和金融领域,能够针对给定的训练集训练出相适宜的模型,并作出预测。本文首先对现代股票定价理论的发展、常用预测模型和宏观经济变量对证券市场的影响三方面进行了文献上的回顾,确定了以EEMD-MARS-SVR为分析模型的研究框架,并引入了 10个大类,84个小类的公共经济变量指标。本文认为这些公共经济变量指标都是有可能对股票市场产生影响,并留待筛选的。之后,本文对A股市场5个指数时间序列和沪深300的300只成分股时间序列分别进行建模分析,时间区间为2010年6月1日至2016年11月30日,一共66个月,1579个交易日的数据。分析过程中,首先对目标时间序列进行EEMD分解,分解得到了数个IMF子序列,之后将IMF子序列重组成高频序列、低频序列和趋势序列。之后,利用MARS方法,在84个公共经济变量指标中分别筛选出与高频序列和低频序列有关的变量指标。这些变量指标可以分别用来对高频序列和低频序列进行预测分析。最后,将筛得的公共经济变量和目标序列引入到SVM分析框架中,进行预测。为了评价预测效果,本文引入了平均绝对误差(MAPE)和方向对称度量(DS)进行衡量,并与其他预测模型进行比较,结果显示本文预测方法在样本内预测和样本外预测上都具有显著的优势。在模拟选股回测过程中,本文方法在理论上具有投资价值。
【学位授予单位】:上海社会科学院
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:F224;F832.51

【相似文献】
中国期刊全文数据库 前10条
1 韩文蕾;李军;;金融时间序列的混沌识别[J];科技通报;2006年02期
2 王琼,刘国祥;金融时间序列的趋势路径的提取[J];南京师大学报(自然科学版);2002年02期
3 李晓玲,卢九江;高频金融时间序列统计特征[J];统计与决策;2004年12期
4 兰秋军,马超群,文凤华;金融时间序列去噪的小波变换方法[J];科技管理研究;2004年06期
5 陈兴荣,向东进,阮曙芬;非线性金融时间序列的持久性测度[J];特区经济;2005年10期
6 徐正国,张世英;高频金融时间序列研究:回顾与展望[J];西北农林科技大学学报(社会科学版);2005年01期
7 张学功;;金融时间序列中加性异常值的鉴别与校正[J];价值工程;2009年02期
8 张洪水;程刚;陆凤彬;;高频金融时间序列的模型化研究进展回顾[J];数学的实践与认识;2011年03期
9 李守伟;钱省三;;面向金融时间序列相关性的网络模型研究[J];商业研究;2006年15期
10 温洁;;ESO在金融领域的应用[J];时代金融;2007年05期
中国重要会议论文全文数据库 前1条
1 张硕;惠晓峰;;金融时间序列的确定性成分与随机成分的分离[A];第十三届中国管理科学学术年会论文集[C];2011年
中国博士学位论文全文数据库 前10条
1 张承钊;一种金融市场预测的深度学习模型:FEPA模型[D];电子科技大学;2016年
2 卢山;基于非线性动力学的金融时间序列预测技术研究[D];东南大学;2006年
3 刘立霞;多变量金融时间序列的非线性检验及重构研究[D];天津大学;2007年
4 兰秋军;金融时间序列隐含模式挖掘方法及其应用研究[D];湖南大学;2005年
5 李勇;金融时间序列多尺度分析[D];中国科学技术大学;2013年
6 王文静;金融时间序列的长记忆特性及预测研究[D];天津大学;2009年
7 李智;小波理论与经济金融时序应用研究[D];厦门大学;2007年
8 苏木亚;谱聚类方法研究及其在金融时间序列数据挖掘中的应用[D];大连理工大学;2011年
9 黄超;基于特征分析的金融时间序列挖掘若干关键问题研究[D];复旦大学;2005年
10 汤凌冰;基于支持向量机的金融时间序列回归分析[D];上海交通大学;2010年
中国硕士学位论文全文数据库 前10条
1 胡蓓蓓;HILBERT-HUANG变换在高频金融时间序列中的应用[D];上海交通大学;2014年
2 许锐;基于EEMD的金融时间序列多尺度分析[D];中国科学技术大学;2016年
3 程勰;基于小波分析的金融时间序列风险度量值估计方法与实证研究[D];暨南大学;2016年
4 李文洋;基于EEMD-MARS-SVR模型的证券市场分析[D];上海社会科学院;2017年
5 张晓娟;金融时间序列多级分形分析及其在信息挖掘的应用[D];电子科技大学;2008年
6 吴萌;高频金融时间序列的研究与建模[D];电子科技大学;2006年
7 吴大勤;金融时间序列的长记忆与分形协整关系研究[D];东南大学;2006年
8 周游;基于滑动平均算法对金融时间序列的研究[D];昆明理工大学;2012年
9 刘晓迪;基于小波变换的金融时间序列奇异点识别模型与研究[D];昆明理工大学;2011年
10 李谦;现代优化算法在金融时间序列参数估计中的应用[D];暨南大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026