上证指数波动的在线预测分析——基于多源多核学习的研究

作     者：滕佳颖 

作者单位：海南大学 

学位级别：硕士

导师姓名：邵元海;束开宝

授予年度：2021年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：上证50指数 多来源数据 多核学习 在线预测 

摘      要：随着国内资本市场的快速发展与经济体系的不断完善,人们对理财的需求越来越多。股票投资拥有巨大的市场,作为股票投资的重要组成部分,股票预测是金融大数据中的一个重要应用方向。目前,在股票预测的研究中,仍以计量经济学等传统分析方法为主。但是该类方法自身的局限性决定其不适合用来预测股票:一方面,股票数据是非平稳、非线性、高噪声的,不满足传统计量模型严格的假设条件;另一方面,股票市场中每天都会产生大量的与股票交易相关的数据,而传统计量模型适用于维度低、规模小的样本输入。随着机器学习技术的发展,国内外的学者开始使用大规模数据结合机器学习技术对股票价格走势进行预测,并取得了较好的预测效果。本文旨在使用机器学习模型进行股票预测,具体研究内容为:以上证50指数为研究对象,预测它未来的波动方向。因为股票预测是实时性的问题,所以本文的预测方式是在线的预测分析,为了使得预测结果更准确,我们使用与股票指数变动高度相关的技术指标数据、汇率数据、道琼斯指数数据,因为数据是多来源的,结构不同,所以使用适合异构数据的多核学习算法。最终,本文基于多来源数据和多核学习,构建多源在线多核分类模型来对上证指数波动进行在线预测分析。本文构建了多源在线多核分类模型进行上证50指数波动的在线预测,并进行了多源在线多核分类模型与其他模型(使用移动窗口技术)的对比实验。实验结果显示,该模型的预测效果好,速度快,因此适合用来进行股票预测,对有股票预测需求的学者和投资者来说,提供了一些建议和参考。