基于属性概念的金融智能决策模型的研究与实现

摘要

金融市场是个动态、复杂的系统，其价格序列有着本身固有的繁杂、非稳态和混乱的形式，这使得金融市场决策模型类型多种多样，而且远未成熟。 随着人工智能技术的不断发展，特别是不确定性知识表示的人工智能理论技术的发展，在金融市场决策模型中引入不确定性的知识表示与推理机制来建立和演化决策规则，这突破了传统方法很难为金融市场这样复杂自适应系统构建具体的数学因素模型的局限，带来了人工智能技术在金融市场分析领域的广泛应用趋势。本文首先在复杂决策系统建模理论的基础上，采用不确定性知识表示的理论，建立信息属性概念的建模与处理机制，随后在该机制基础上，通过采用不确定性知识转换的云模型、不确定性推理贝叶斯概率推理网、以及信息融合的证据理论，构建了新的金融决策模型。本文主要包括基于属性概念的建模与处理机制，基于属性概念的金融智能决策模型，该金融决策模型原型的实现等三个方面，详细的阐述了基于属性概念的金融智能决策模型(Properties-Concepts based Financial Intelligence Decision-making Model，简称PC-FIDM)，其主要内容如下： (1)基于抽象的“D_N”理论，在不确定性知识表示和推理机制下，提出基于属性概念的建模与处理机制，并讨论其实现原理。 (2)在融合信息处理流程和属性概念的建模与处理机制的基础上，提出金融决策模型。并详细介绍该模型的数据处理过程。 (3)以贝叶斯概率推理网为基础，实现了该决策模型的原型系统。通过对现有的涨跌相当时段的金融数据进行了处理和分析，验证了该模型的有效性。 与传统的金融决策模型的研究相比，本文在新的面对消息简约与提炼属性概念的机制上构建了智能金融决策模型，其主要有以下方面的优势：属性概念的建模与处理机制为金融决策构建了一个更合理的不确定性知识表述的决策模型框架；由贝叶斯概率推理理论构建了历史概率情况下的推理，体现了复杂决策系统的不确定性特征；由证据理论扩展了信息可信度融合的方式；在对金融数据进行分析和处理后，该模型能得到具有一定信度的规则，并且这些规则能够很方便的扩展与延伸。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1课题背景和研究意义

1.2研究内容

1.3本文的组织结构

第2章相关工作与理论基础

2.1复杂系统决策建模理论及研究现状

2.1.1定性定量转换理论--云模型

2.1.2贝叶斯网络推理理论

2.1.3证据理论

2.2金融决策模型的研究状况

2.2.1早期的数学模型--投资组合理论

2.2.2人工智能的引入--神经网络预测模型

2.2.3智能Agent的引入--ASM和MASST

2.3小结

第3章属性概念的建模与处理机制

3.1属性概念的建立基础

3.1.1信息属性概念的获取--空间状态的转换

3.1.2知识规则概述的理论基础

3.2基于属性概念的建模与处理框架

3.2.1低级抽象层

3.2.2高级建模层

3.3属性概念建模与处理的实现方式

3.3.1利用定性定量转换理论实现低级抽象层

3.3.2非结构性决策知识实现高级建模

3.4小结

第4章基于属性概念的金融智能决策模型

4.1模型建立的规则与信息处理要求

4.2决策模型结构框架

4.3模型框架的实现方式

4.3.1信息分类与原始数据

4.3.2定性属性概念与联系网络

4.3.3决策模型的因果联系构建--贝叶斯网络的建立

4.3.4 可信度融合扩展--证据理论的应用

4.4小结

第5章PC-FIDM的原型实现

5.1决策模型原型实现的支持工具

5.2原型系统的实现以及处理过程

5.2.1原型的信息数据处理流程

5.2.2原型系统中金融原始数据的选择

5.2.3原型数据处理实例

5.3实验结果的分析

5.4小结

结论

参考文献

致谢

附录