检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

证券技术分析指标中分析要素的缺失与弥补

山西广播电视大学学报 2018年第3期23卷 93-99页

作者：韩晓丽山西广播电视大学山西太原030027

成交量、成交价是股票成交的依据,是证券投资技术分析中两个密不可分的要素。但是,现有证券技术分析指标只包含成交量或成交价其中一个要素,而分析要素的缺失,必然无法保障技术分析指标的准确性。根据资金(准确地说应该是成交额)是股市... 详细信息

成交量、成交价是股票成交的依据,是证券投资技术分析中两个密不可分的要素。但是,现有证券技术分析指标只包含成交量或成交价其中一个要素,而分析要素的缺失,必然无法保障技术分析指标的准确性。根据资金(准确地说应该是成交额)是股市的唯一驱动力、个股不会同幅度涨跌和等量成交、推动股票波动的资金必然有强度上差异的这些特征,按照能在个股之间横向对比它们资金的强度差异的思路来创建一个数学模型,获得包括成交量、成交价两个分析要素的资金流动强度,用来代替现有技术指标中的单一分析要素,使证券技术分析指标克服原来因分析要素缺失所产生的误差,从而能够更科学、更精确地预测股票的波动趋势。同时,若将这些内容融入《证券投资分析》等相关教材中,将弥补证券技术分析领域中的一个缺陷。

关键词：技术分析指标成交量成交价资金流强度

在线全文

学校读者我要写书评

暂无评论

股票技术分析指标的参数设置方法实证研究

河北金融 2010年第3期 5-6,36页

作者：谢丁中国邮政储蓄银行河北省分行河北石家庄050011

本文针对我国股票市场,对四种常用技术分析指标的参数设置进行了实证研究。通过计算股价波动与技术分析指标各分析量之间的相关关系,验证参数设置的科学性;并采用抽样调查的方式,将每种技术分析指标对200只股票的1100个交易日的数据进... 详细信息

本文针对我国股票市场,对四种常用技术分析指标的参数设置进行了实证研究。通过计算股价波动与技术分析指标各分析量之间的相关关系,验证参数设置的科学性;并采用抽样调查的方式,将每种技术分析指标对200只股票的1100个交易日的数据进行了海量运算,从而实证了参数设置的普遍性和适用性。本文进一步评价了四种指标参数设置的特点,提出了最佳参数配置方案。

关键词：技术分析指标参数相关分析抽样调查实证

在线全文

学校读者我要写书评

暂无评论

关于股票价格模型的假设检验

应用数学学报 2010年第4期33卷 723-731页

作者：刘伟上海金融学院统计系上海201209

股票模型是人们用来描述股票价格波动特征的重要工具,包括Black-Scholes'模型,随机波动率模型和更一般化的指数Levy过程模型等.同时,一些流行的技术指标(例如布林带,RSI,ROC)被股市交易者广泛使用.交易者将每日(小时,周)实际股价作为计... 详细信息

股票模型是人们用来描述股票价格波动特征的重要工具,包括Black-Scholes'模型,随机波动率模型和更一般化的指数Levy过程模型等.同时,一些流行的技术指标(例如布林带,RSI,ROC)被股市交易者广泛使用.交易者将每日(小时,周)实际股价作为计算某个技术指标的样本,通过观察相关频率指导投资.技术指标的有效性已在实际应用中得到充分验证.已有研究成果证明股价模型成立时,一些常用的技术指标有良好的统计性质,从而解释了技术分析的合理性.本文将从另一个角度出发,利用技术指标ROC的历史数据,拒绝股票价格波动服从指数Levy过程模型的假设.

关键词：指数Levy过程模型假设检验技术分析指标 ROC

Black-Scholes模型下技术分析统计研究

在线全文

学校读者我要写书评

暂无评论

扬州大学学报（自然科学版） 2010年第3期13卷 28-30,53页

作者：刘伟上海金融学院统计系上海201209

在Black-Scholes模型下构造技术指标过程,利用该模型的对数股价增量独立性质证明技术指标过程的平稳性质,从而为技术分析有效性找到科学依据.

关键词： Black-Scholes模型技术分析指标 Markov性质平稳性质

基于多项式拟合与支持向量机的股票关键拐点预测

在线全文

学校读者我要写书评

暂无评论

基于多项式拟合与支持向量机的股票关键拐点预测

作者：何岸青吉林大学

学位级别：硕士

在西方国家,量化投资经过了长达三十多年的发展后,在证券投资市场上的应用非常广泛。由于中国市场的特殊发展环境,刚刚进入中国的量化投资概念因其自身的优越性,拥有着非常广阔的发展前景。本论文以量化投资理论为背景,区别于大多数传... 详细信息

在西方国家,量化投资经过了长达三十多年的发展后,在证券投资市场上的应用非常广泛。由于中国市场的特殊发展环境,刚刚进入中国的量化投资概念因其自身的优越性,拥有着非常广阔的发展前景。本论文以量化投资理论为背景,区别于大多数传统的企图预测出完整未来股价曲线的预测方式,将股票价格曲线的预测问题转化成股票价格曲线是否处于翻转状态的问题,期望可以利用机器学习算法训练出一个能判断当前时间股价是否处于向上或向下关键拐点的模型。当股价处于向上关键拐点时,可以买入股票实现盈利,当股票处于向下关键拐点时,可以卖出股票实现止损,希望可以为股票投资者在决策层面上提供对投资者有一定指导性的建议。在支持向量机分类模型的训练工作开始之前,如何利用计算机的优势高效且可靠的在历史数据中采样是本文要解决的重点。为了解决传统的拐点识别方法在阈值选择和拐点效果方面的诸多不足,本文提出基于多项式拟合的离散数据趋势关键拐点识别。通过大量的对比实验证明,使用基于多项式拟合的离散数据趋势关键拐点识别方法识别出的关键拐点在其引领的上涨趋势的涨幅以及持续时间上,有更好的应用效果。本文区别于其他的股票预测方法,在支持向量机的训练过程中,创新的使用MACD、KDJ和换手率等对股价趋势有一定反映的技术分析指标来作为特征向量,将基于多项式拟合的离散数据趋势关键拐点识别法应用到这些技术分析指标中,生成相应的特征向量。选择径向基核函数对训练集进行训练,并利用遗传算法和交叉检验对径向基核函数的两个自选参数进行寻优,获得最优的分类模型。经过多次实验选出一个预测精度最优秀的分类特征组合并以此为最终的特征向量,使用该特征向量组合训练得出基于该特征组合的向上关键拐点和向下关键拐点分类模型。最后通过反复实验证明使用基于多项式拟合的离散数据趋势关键拐点算法进行采样并使用支持向量机建立分类模型预测股票趋势预测相较于传统的单独使用技术分析指标预测,拥有着更高的预测准确率,可为投资者提供一定的投资建议。

关键词：机器学习支持向量机股票趋势拐点多项式拟合技术分析指标

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络模型的大宗商品价格预测研究

基于神经网络模型的大宗商品价格预测研究

作者：任亚随中南财经政法大学

学位级别：硕士

价格在投资和交易环节中扮演着重要角色,价格的走势一方面影响市场的发展状况,另一方面会对广大投资者的利益产生冲击,因此,价格的波动一直是金融投资领域研究的重点方向之一。大宗商品大多为工业基础产品,其供需平衡与否会对整个工农... 详细信息

价格在投资和交易环节中扮演着重要角色,价格的走势一方面影响市场的发展状况,另一方面会对广大投资者的利益产生冲击,因此,价格的波动一直是金融投资领域研究的重点方向之一。大宗商品大多为工业基础产品,其供需平衡与否会对整个工农业经济体系产生巨大影响,其价格变动极易引发整个经济体系的波动,因此对于大宗商品期货价格的预测研究具有非常重要的实际意义。另外,日渐成熟的神经网络作为先进的深度学习技术已经在金融领域得到广泛应用。所以本文紧跟深度学习的步伐,通过设计不同的深度学习网络模型对商品期货的价格进行预测与对比,以期为投资者的投资交易、政府宏观层面对大宗商品价格监控以及风险预防提供一定的借鉴。本研究主要从三部分对大宗商品期货价格预测问题进行展开研究。首先调研了深度学习方法在统计相关方面的具体应用,梳理并阐述了深度学习方法中相关模型的基础知识和工作原理;随后运用统计学中的GARCH模型对所选三种期货(豆粕、沪铜、PTA)市场的有效性进行了实证研究,根据实证研究结果选择了CNN(卷积神经网络)、LSTM(长短期记忆网络)以及CNN-LSTM模型,分别运用这三个模型对三种不同类型的期货的价格进行了预测,并且选取RMSE(均方根误差)、MSE(均方误差)和MAE(平均绝对误差)作为评价指标来比较模型预测效果的好坏;最后,为了从多个角度探究期货商品价格的影响因素以及提高模型预测的泛化能力,本文还分别选取了技术分析指标和基本面因素指标作为两种不同的数据特征,并且结合深度学习模型的预测图样与三种评价指标对预测结果进行全面的比较。本文首先设计了用于对豆粕、沪铜、PTA期货从技术分析指标与基本面因素两方面进行预测的CNN模型、LSTM模型和CNN-LSTM组合模型;其次,用所设计的模型对三种期货进行充分的预测实验,并对各个模型的实验结果从多个角度进行对比;最后,对本次研究的实证结果进行系统化的讨论与总结。总的来说,本文的实证结果首先证明豆粕、沪铜、PTA期货品种价格波动存在着长期记忆性并且是多因素共同作用的结果,期货当天的收盘价往往是由过去的收盘价、移动平均线、相对强弱指标以及现货价格、对应国际期货价格等多种因素共同决定;其次,本次实证还证明了所选三种期货的市场均尚未达到弱势有效,仍可基于技术分析方法、基本面分析并结合CNN模型、LSTM模型以及CNN-LSTM组合模型来对期货价格进行预测研究;最后,实证结果表明在考虑不同投入因素的情况下,本文的三个模型都能对豆粕、沪铜、PTA期货价格做出有效的预测,虽然对期货价格的预测结果依据数据的具体情况有一些差异,但整体上LSTM模型预测效果会优于CNN模型,且CNN-LSTM组合模型在三者中为最优,具有更强的泛化能力,不论是基于技术分析指标还是基本面分析指标都能获得最优的预测结果,相比较来说,基于基本面因素的预测效果要好于技术分析指标。

关键词：神经网络模型组合模型大宗商品价格预测技术分析指标基本面因素

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

支持向量机在证券投资分析中的应用

支持向量机在证券投资分析中的应用

作者：张玉川北京交通大学

学位级别：硕士

支持向量机是借助于最优化方法解决机器学习问题的新工具，它最初于二十世纪九十年代由Vapnik提出，近年来在其理论研究和算法实现方面都取得了突破性进展，开始成为克服“维数灾难”和“过学习”的有力手段。本文首先将证券投资分析转... 详细信息

支持向量机是借助于最优化方法解决机器学习问题的新工具，它最初于二十世纪九十年代由Vapnik提出，近年来在其理论研究和算法实现方面都取得了突破性进展，开始成为克服“维数灾难”和“过学习”的有力手段。本文首先将证券投资分析转化成一个学习问题，然后应用支持向量机学习证券的市场行为，得出一个分类模式(或称决策函数)，此分类模式类似于技术分析中的经验法则，可辅助做出买卖信号。本文所做的主要工作有：一介绍我国证券市场中常用的几种技术指标，并根据技术指标的使用法则，做一些统计上的验证。统计结果表明技术指标的使用法则的确有一定的预测能力。二将支持向量机算法用matlab程序实现。三建立预测股价涨跌的支持向量机分类模型，并分别对个股和指数数据进行了实证检验，结果表明对个股的涨跌预测有较大的不确定性，对指数的涨跌预测能达到60％的准确率。四建立通过财务指标筛选股票的支持向量机分类模型，并对上交所1999-2005年的所有上市公司作为样本进行实证研究，结果表明挑选出的股票其半均每股收益远远超过了上市公司平均每股收益。本文的创新之处是：基于支持向量机建立了两个用于证券投资分析的模型：预测股价涨跌模型和筛选股票模型。前者认为技术指标是行之有效的指导证券投资分析的方法，未来股价走势一定程度上能在技术指标中反映出来，将技术指标值作为输入向量，通过支持向量机算法得到一个决策函数，可输出有关股价未来走势的预测;后者认为上市公司本年度财务结构会影响下一年的收益水平，将公司财务指标作为输入向量，通过支持向量机在样本数据上的训练学习得到的决策函数，可输出对该公司未来收益水平高低的预测。

关键词：支持向量机技术分析指标股价涨跌预测股票筛选公司财务指标归纳型资产定价方法

基于PCA-MLR-MEABP模型的上证指数预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PCA-MLR-MEABP模型的上证指数预测

作者：刘立力兰州大学

学位级别：硕士

在股票市场的发展过程中,人们一直致力于如何准确地预测股票价格,与此同时,预测方法也在不断更新。到目前为止,简单的模型已经不能满足人们对预测精度的期望。本文提出的PCA-MLR-MEABP组合模型意在预测上证指数的走向,实现了两个结合:... 详细信息

在股票市场的发展过程中,人们一直致力于如何准确地预测股票价格,与此同时,预测方法也在不断更新。到目前为止,简单的模型已经不能满足人们对预测精度的期望。本文提出的PCA-MLR-MEABP组合模型意在预测上证指数的走向,实现了两个结合:多种技术分析方法的结合、线性方法(主成分分析、多元线性回归)与非线性方法(思维进化算法优化的BP神经网络)的结合,具有很强的预测能力和实际应用价值。为了更好地提取上证指数的趋势信息,本文从股价、成交量、涨跌趋势、涨跌幅度等方面,选取BBI指标、MWVAD指标、乖离率(BIAS指标)、K值、D值、BOLL指标、WR指标、成交量八个技术指标,使用主成分分析法(PCA)进行指标的汇总和趋势分解;然后利用多元线性回归(MLR)的方法将主成分分析的结果整合成四个主成分变量;接着使用思维进化算法(MEA)优化BP神经网络的权值和阈值,最终构造出优化模型PCA-MLR-MEABP组合模型。为了说明组合模型的有效性,本文从拟合精度和趋势预测精度两个方面共选取了四个误差检验统计量,对PCA-MLR-MEABP组合模型、涉及到的PCA-MLR组合模型和BPNN模型、单一的神经网络模型:广义回归神经网络(GRNN)模型、交叉验证-随机森林(CV-RF)模型、Elman神经网络(ElmanNN)模型做误差检验,最终发现,PCA-MLR-MEABP组合模型在模型拟合度和趋势预测准确度方面都有显著优势。

关键词：技术分析指标主成分分析(PCA) 思维进化算法(MEA) BP神经网络(BPNN) 随机森林(RF) 广义回归神经网络(GRNN)

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于KDJ与斐氏数列的股票趋势预测研究

科技风 2021年第32期 177-180页

作者：康喜能陈国华湖南人文科技学院数学与金融学院湖南娄底417000

斐氏数列&黄金分割百分比是数学家莱昂纳多·斐波那契(Leonardo Fibonacci)所发明的一种在数字、人类活动、事物相似节律的发现,可用以股票走势的分析。KDJ指标又叫随机指标,是一种技术分析指标,它起先用于期货市场的分析,后被广泛用于... 详细信息

斐氏数列&黄金分割百分比是数学家莱昂纳多·斐波那契(Leonardo Fibonacci)所发明的一种在数字、人类活动、事物相似节律的发现,可用以股票走势的分析。KDJ指标又叫随机指标,是一种技术分析指标,它起先用于期货市场的分析,后被广泛用于股市的中短期趋势分析,是股票市场上最常用的技术分析工具。本文先介绍斐氏数列,利用斐氏数列&黄金分割比的规律来判断浪的形成和股票价格的调整幅度,进而结合KDJ来对股票走势进行分析,通过建立一个基于KDJ和斐氏数列的模型来预测单只股票未来趋势的演变。

关键词：黄金分割比技术分析指标 KDJ模型