基于因果滯后分析的時序自回歸股市態(tài)勢預(yù)測研究.pdf

1、隨著經(jīng)濟的快速發(fā)展，股票市場越來越被人們所重視，但股票市場高度的復(fù)雜性和不確定性使得對股市的預(yù)測存在很大的困難。許多專家學(xué)者們一直致力于研究股市的預(yù)測，一個好的預(yù)測模型不僅能更好地描述股市的變化，更能夠減少投資的風(fēng)險。
　　本文主要針對股市波動預(yù)測模型中波動走勢的拐點難以有效預(yù)測導(dǎo)致模型整體的預(yù)測準確性和精度不高的問題，從股價走勢變化落后于指標變化的滯后風(fēng)險角度對股市波動走勢過程中的拐點加以分析引導(dǎo)，同時結(jié)合因果貝葉斯網(wǎng)絡(luò)理論，以

2、時序自回歸條件異方差模型為基礎(chǔ)預(yù)測模型，對股市波動走勢預(yù)測進行研究。本文的主要研究工作如下:
　　(1)由于股票價格的變化具有較強的復(fù)雜性和不確定性，致使股價波動劇烈，波動拐點頻繁出現(xiàn)。針對波動拐點的有效預(yù)測提出一種基于特征滯后計算的股市波動預(yù)測算法(LRD-TGARCH-M)，該算法首先根據(jù)股價變化與指標變化之間出現(xiàn)的不一致性，提出了滯后性的定義，并結(jié)合能量波動的概念，給出了股價走勢過程中特征滯后程度的計算模型;將特征滯后程度計

3、算模型與廣義自回歸條件異方差模型相融合，引導(dǎo)模型對波動拐點的預(yù)測，優(yōu)化波動拐點附近誤差項的變化，提高模型的預(yù)測精度。
　　(2)在LRD-TGARCH-M算法基礎(chǔ)上進一步分析，發(fā)現(xiàn)在對滯后程度計算時，所提取的滯后特征之間并不是不相關(guān)的，而是存在一定的影響關(guān)系，基于此，提出了基于特征因果滯后計算的股市態(tài)勢預(yù)測算法(CLD-TGARCH-M)。CLD-TGARCH-M算法首先對提取出的多個滯后特征離散化后構(gòu)建貝葉斯網(wǎng)絡(luò)，通過對貝葉斯網(wǎng)

4、絡(luò)進行擾動學(xué)習(xí)其局部因果結(jié)構(gòu);根據(jù)滯后特征之間的局部因果結(jié)構(gòu)修正在股價波動走勢過程中的滯后程度的計算，將修正后的滯后程度加入廣義自回歸條件異方差模型中，啟發(fā)模型對波動拐點的正確預(yù)測，進一步優(yōu)化方差的變化，提高模型的預(yù)測效果。
　　通過在上證指數(shù)的數(shù)據(jù)上分別對提出的兩個算法進行了對比分析，實驗結(jié)果表明，考慮了股價與指標之間的滯后性這一風(fēng)險因素相比于一般的預(yù)測模型有更好的預(yù)測效果;結(jié)合因果關(guān)系的滯后程度計算則能更準確地判斷和預(yù)測拐點，