基于背离特征和风险偏好分析的股价态势预测研究

摘要

股票市场是企业融资和股民投资的重要手段，股市预测研究对投资者、企业、政府政策制定都具有重大的理论与现实意义。在上证大盘中常出现股价走势与技术指标走势不一致的现象，使传统的股价态势预测模型缺乏可解释性及预测效果不佳;同时，指标的背离功能可以用于指导投资者预测风险和寻找买入机会，其中风险偏好是表达投资者对于股市技术指标背离的容忍程度。论文综合股市背离特征和投资者风险偏好及二者关系研究大盘走势，具体研究工作如下:
　　第一，首先进行MACD指标背离特征的提取及背离程度的计算，然后根据特征的背离程度值和收盘价，利用BP网络进行股价态势预测。由于在市场风险偏好高时，特征背离与股价态势之间相关性很弱，因而在此基础上利用贝叶斯网络学习风险偏好、背离特征与股价走势之间的关系，根据风险偏好与背离特征之间关系的变化，构建一种背离特征和风险偏好分析的股价态势预测方法(RPDCA)。
　　第二，为了在没有背离特征也能利用风险偏好因素预测股市，并针对风险偏好类型会随着股市流动而变化的问题，引入基于时变风险偏好的多背离特征股市预测算法（MDC-VRPA）。首先根据贝叶斯网络学习多种指标与股价走势的关系，利用马尔科夫毯选取与目标节点关系最密切的节点，作为风险偏好的组成因素;然后将滑动窗口固定在待预测股市的时间段内，提取窗口内马尔科夫毯节点的流数据和多背离流特征，将流数据代入到风险偏好度量模型以得到当前风险偏好程度;进而，通过对多背离流特征进行同源累加处理，建立最终预测模型;最后，通过后移滑动窗口，来跟踪提取特征，实现股市预测的连续性。实证表明MDC-VRPA算法具有更高的预测准确率及更广泛的适用范围。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．3 股市预测的难点分析

1．4 论文的主要工作及创新点

1．4．1 论文的主要工作

1．4．2 论文的创新点

1．5 课题来源及论文组织结构

1．5．1 课题来源

1．5．2 论文组织结构

第二章 基础理论概述

2．1 贝叶斯网络基础知识

2．1．1 贝叶斯定理

2．1．2 贝叶斯网络

2．2 贝叶斯网络的应用

2．2．1 因果贝叶斯网络

2．2．2 马尔科夫毯

2．3 股市背离特征研究内容

2．4 股市风险偏好研究内容

2．5 神经网络概述

2．5．1 神经网络理论基础

2．5．2 BP神经网络算法

2．6 本章小结

第三章 特征背离与风险偏好分析的股价态势预测方法

3．1 引言

3．2 相关基础知识简介

3．2．1 边的熵与结构熵

3．2．2 非对称信息熵

3．2．3 效用函数

3．3 背离特征股价预测算法DCPA

3．3．1 MACD能量柱背离计算

3．3．2 MACD白线背离WD计算

3．3．3 DCPA算法

3．4 股市风险偏好程度计算

3．4．1 股市风险偏好因素的提取和量化

3．4．2 股市风险偏好的计算

3．5 RPDCA股价预测算法

3．5．1 相关关系分析

3．5．2 RPDCA算法

3．6 实验分析与比较

3．6．1 BP神经网络的构建

3．6．2 实验结果与对比实验

3．6．3 评价标准

3．6．4 结果分析

3．7 本章小结

第四章 基于时变风险偏好的多背离特征股市预测方法

4．1 引言

4．2 风险偏好组成因素及离散化

4．2．1 成交量VDL指标

4．2．2 换手率TR指标

4．2．3 MACD指标

4．2．4 RSI指标

4．2．5 KDJ指标

4．2．6 BOLL指标

4．3 技术指标的提取

4．3．1 构建贝叶斯网络

4．3．2 提取股价走势的马尔科夫毯

4．4 技术指标背离定义

4．4．1 成交量背离VOLD计算

4．4．2 RSI指标背离RSID计算

4．4．3 KDJ指标背离KDJD计算

4．5 基于时变风险偏好的多背离特征股市预测

4．5．1 滑动窗口机制

4．5．2 时变风险偏好程度计算

4．5．3 MDC-VRPA股市预测算法

4．6 实验过程及结果分析

4．6．1 实验数据及处理

4．6．2 对比试验与结果分析

4．7 本章小结

第五章 总结与展望

5．1 论文工作总结

5．2 工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况