時(shí)間序列預(yù)測(cè)――在股市預(yù)測(cè)中的應(yīng)用【開題報(bào)告】

1、<p><b>　　畢業(yè)設(shè)計(jì)開題報(bào)告</b></p><p><b>　　信息與計(jì)算科學(xué)</b></p><p>　　時(shí)間序列預(yù)測(cè)――在股市預(yù)測(cè)中的應(yīng)用</p><p>　　一、綜述本課題國(guó)內(nèi)外研究動(dòng)態(tài), 說明選題的依據(jù)和意義</p><p>　　時(shí)間序列是一種重要的高維數(shù)據(jù)類型, 它是由

2、客觀對(duì)象的某個(gè)物理量在不同時(shí)間點(diǎn)的采樣值按照時(shí)間先后次序排列而組成的序列, 在經(jīng)濟(jì)管理以及工程領(lǐng)域具有廣泛應(yīng)用. 例如證券市場(chǎng)中股票的交易價(jià)格與交易量、外匯市場(chǎng)上的匯率、期貨和黃金的交易價(jià)格以及各種類型的指數(shù)等, 這些數(shù)據(jù)都形成一個(gè)持續(xù)不斷的時(shí)間序列. 利用時(shí)間序列數(shù)據(jù)挖掘, 可以獲得數(shù)據(jù)中蘊(yùn)含的與時(shí)間相關(guān)的有用信息, 實(shí)現(xiàn)知識(shí)的提取. </p><p>　　時(shí)間序列分析方法最早起源于1927年, 數(shù)學(xué)家耶爾(Y

3、ule)提出建立自回歸(AR)模型來預(yù)測(cè)市場(chǎng)變化的規(guī)律, 接著, 在1931年, 另一位數(shù)學(xué)家瓦爾格(Walker)在AR模型的啟發(fā)下, 建立了滑動(dòng)平均(MA)模型和自回歸、滑動(dòng)平均(ARMA)混合模型, 初步奠定了時(shí)間序列分析方法的基礎(chǔ), 當(dāng)時(shí)主要應(yīng)用在經(jīng)濟(jì)分析和市場(chǎng)預(yù)測(cè)領(lǐng)域. 20世紀(jì)60年代,時(shí)間序列分析理論和方法邁入了一個(gè)新的階段, 伯格(Burg)在分析地震信號(hào)時(shí)最早提出最大熵譜(MES)估計(jì)理論, 后來有人證明AR模型的功率

4、譜估計(jì)與最大熵譜估計(jì)是等效的, 并稱之為現(xiàn)代譜估計(jì). 它克服了用傳統(tǒng)的傅里葉功率譜分析(又稱經(jīng)典譜分析)所帶來的分辨率不高和頻率漏泄嚴(yán)重等固有的缺點(diǎn), 從而使時(shí)間序列分析方法不僅在時(shí)間域內(nèi)得到應(yīng)用, 而且擴(kuò)展到頻率域內(nèi), 得到更加廣泛的應(yīng)用, 特別是在各種工程領(lǐng)域內(nèi)應(yīng)用功率譜的概念更加方便和普遍. 到20世紀(jì)70年代以后, 隨著信號(hào)處理技術(shù)的發(fā)展, 時(shí)間序列分析方法不僅在理論上更趨完善, 尤其是在參數(shù)估計(jì)算法、定階方法及建模過程等方面都

5、得到了許多改進(jìn), 進(jìn)一步地邁向?qū)嵱没? 各種時(shí)間序列分析軟件也不斷</p><p>　　隨著時(shí)間序列分析方法的日趨成熟, 其應(yīng)用領(lǐng)域越來越廣泛, 主要集中在預(yù)報(bào)預(yù)測(cè)領(lǐng)域, 例如氣象預(yù)報(bào)、市場(chǎng)預(yù)測(cè)、地震預(yù)報(bào)、人口預(yù)測(cè)、汛情預(yù)報(bào)、產(chǎn)量預(yù)測(cè), 等等. 另一個(gè)應(yīng)用領(lǐng)域是精密測(cè)控, 例如精密儀器測(cè)量、精密機(jī)械制造、航空航天軌道跟蹤和監(jiān)控,以及遙控遙測(cè)、精細(xì)化工控制等. 再一個(gè)應(yīng)用領(lǐng)域是安全檢測(cè)和質(zhì)量控制. 在工程施工和維修

6、中經(jīng)常會(huì)出現(xiàn)異常險(xiǎn)情, 采用儀表監(jiān)測(cè)和時(shí)間序列分析方法可以隨時(shí)發(fā)現(xiàn)問題, 及早排除故障, 以保證生產(chǎn)安全和質(zhì)量要求. 以上僅僅列舉了某些應(yīng)用領(lǐng)域,實(shí)際上還有許多應(yīng)用, 不勝枚舉. </p><p>　　股票市場(chǎng)在中國(guó)社會(huì)經(jīng)濟(jì)生活中起著越來越重要的作用. 截至2006年底, 滬深兩市總市值為89403.89億元, 市值規(guī)模上升至全球第10位, 亞洲第3位. 由于中國(guó)股票市場(chǎng)在國(guó)民經(jīng)濟(jì)中的地位和作用不斷提高, 無論是

7、從政府宏觀決策層面還是從具體投資者微觀層面對(duì)股票市場(chǎng)價(jià)格行為進(jìn)行深入研究的需求都顯得尤為迫切. 股票市場(chǎng)價(jià)格行為一是指股票市場(chǎng)價(jià)格如何變化, 即價(jià)格是上漲還是下跌; 二是指價(jià)格變化的波動(dòng), 根據(jù)資本資產(chǎn)定價(jià)模型, 股票風(fēng)險(xiǎn)是決定其價(jià)格的重要因素, 在現(xiàn)代財(cái)務(wù)理論里面也常以波動(dòng)來代表風(fēng)險(xiǎn), 并以股票收益的方差或者標(biāo)準(zhǔn)差來度量. 對(duì)股票市場(chǎng)價(jià)格行為進(jìn)行研究, 在宏觀和微觀方面都有重要的現(xiàn)實(shí)意義. 從宏觀上來看, 政府制定干預(yù)市場(chǎng)政策的基礎(chǔ)是

8、深刻理解股票市場(chǎng)的行為與波動(dòng)特征; 從微觀上來看, 能影響包括投資者在內(nèi)的市場(chǎng)參與者的市場(chǎng)投資策略. 研究股票行為的方法或理論多種多樣, 而用時(shí)間序列預(yù)測(cè)方法來研究股票的行為是非常合適的, 因?yàn)槲覀兛梢酝ㄟ^一組股票價(jià)格的時(shí)間序列觀測(cè)值來預(yù)測(cè)未來股票的走向, 從而為我們對(duì)控制股票的行為得到理論依據(jù). </p><p>　　二、研究的基本內(nèi)容, 擬解決的主要問題</p><p>　　研究的基本

9、內(nèi)容: 結(jié)合時(shí)間序列分析技術(shù)對(duì)時(shí)間序列進(jìn)行數(shù)據(jù)挖掘，對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行研究</p><p>　　解決的主要問題: 1. 分析了時(shí)間序列分析技術(shù)的方法和特點(diǎn)</p><p>　　2. 闡述簡(jiǎn)單平均移動(dòng)法, 趨勢(shì)移動(dòng)平均法, 加權(quán)移動(dòng)平均法</p><p>　　3. 用簡(jiǎn)單移動(dòng)平均法做了股票預(yù)測(cè)</p><p>　　三、研究步驟、方法及措施&l

10、t;/p><p><b>　　研究步驟: </b></p><p>　　查閱相關(guān)資料, 做好筆記;</p><p>　　仔細(xì)閱讀研究文獻(xiàn)資料;</p><p>　　在老師指導(dǎo)下確定整個(gè)論文的思路, 列出論文提綱, 撰寫開題報(bào)告;</p><p><b>　　翻譯英文資料;</b>

11、</p><p>　　開題報(bào)告通過后撰寫畢業(yè)論文;</p><p><b>　　上交論文初稿;</b></p><p>　　反復(fù)修改論文, 修改英文翻譯, 撰寫文獻(xiàn)綜述;</p><p><b>　　論文定稿. </b></p><p>　　方法、措施: 通過到圖書館、上網(wǎng)等

12、查閱收集資料, 參考相關(guān)內(nèi)容 在老師指導(dǎo)下, 歸納整理各類問題</p><p><b>　　四、參考文獻(xiàn)</b></p><p>　　肖冬榮, 王麗娜. 基于ARMA模型的經(jīng)濟(jì)非平穩(wěn)時(shí)間序列的預(yù)測(cè)分析 [J]. 武漢理工大學(xué)學(xué)報(bào): 交通科學(xué)與工程版, 2004, 28(1): 33-34.</p><p>　　王達(dá), 榮岡. 時(shí)間序列的模式距離

13、 [J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2004, 38(7): 5-98.</p><p>　　張軍. 基于時(shí)間序列相似性的數(shù)據(jù)挖掘方法研究 [D]. 南京: 東南大學(xué), 2006.</p><p>　　周廣旭. 一種新的時(shí)間序列分析算法及其在股票預(yù)測(cè)中的應(yīng)用 [J]. 計(jì)算機(jī)應(yīng)用, 2005, 25(9): 2179-2181, 2184.</p><p>　　王

14、達(dá),榮岡. 時(shí)間序列的模式距離 [J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2004, 38(7): 795-798.</p><p>　　Dong Xiaoli,Gu Chengkui,Wang Zhengou.Research on shape-based time series similaritymeasure [J]. Dianzi Yu Xinxi Xuebao, 2007, 29(5): 1228-1231