基于主成分分析和NARX动态神经网络的股市情绪指数构建与预测

摘要

目前关于股市情绪指数的研究大多使用单一的情绪变量，而构建情绪指数的研究不多。动态神经网络应用于股市情绪指数方面的研究也较少。大多数情绪指数的构建也只停留在基本的时间序列分析上，运用的是传统的回归模型或者时间序列模型，利用动态神经网络并且以传统时间序列模型作为效果对比的研究较少。
　　本文对目前使用的情绪指数构建进行了优化，分析了BW情绪指数构建的前提条件，根据提取共同因素的思想提出了一种新思路。如果每个代理变量都包含三个层面的信息，即共同的基本因素、共同的情绪因素和特质因素，那么先对每个代理变量进行剔除基本因素的处理后，所提取的主成分即是投资者情绪。与现有研究不同的是，本文通过多个单一情绪变量指标，利用主成分分析方法构建情绪指数，再通过NARX动态神经网络进行实证分析。最后，用传统的时间序列ARIMA模型作为对比，得出NARX动态神经网络用于回归预测上海综合股价指数是可行的，并且结果好于ARIMA模型。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.2 研究现状

1.3 本文的研究内容和创新之处

第二章 主成分分析

2.1 主成分分析的基本原理

2.2 主成分分析的基本理论

2.3 主成分分析的基本步骤

第三章 动态神经网络

3.1 动态神经网络

3.2 NARX动态神经网络原理

第四章 构建情绪指数

4.1 指标选取

4.2 基于主成分分析构建情绪指数

4.3基于动态神经网络的回归预测

第五章 ARIMA模型

5.1 ARIMA模型简介

5.2 平稳性检验

5.3 建立ARIMA模型

第六章 结论和展望

6.1 结论

6.2 展望

参考文献

致谢