您的位置:網(wǎng)站首頁 > 優(yōu)秀論文 > 正文
TS模糊模型在個股股價預(yù)測中的應(yīng)用研究
作者:陳海川、馮亞秋、韓笑、陳永州、王敏來源:原創(chuàng)日期:2014-01-15人氣:1228
尤金·法瑪教授提出的有效市場理論假定,股票價格總是能夠充分反映所有可以得到的信息[1]。實際上,大多數(shù)投資者難以及時從股票價格解讀所有信息的條件,這反過來說明,通過股票技術(shù)指標與最高價、最低價、開盤價、收盤價、成交量的組合對于個股股價短期內(nèi)的預(yù)測是有可能成功的。
股票價格受到多種因素的綜合作用,因此股價的變動往往是非線性的,不能正確地找到影響股價的主要因素及其合適的模型,較準確地預(yù)測股票的價格。Takagi-Sugeno(簡寫為TS)模糊模型對非線性、時變以及在受到較多影響因素作用的問題的預(yù)測是一個非常好的工具[2]。另外,TS模糊模型依靠有限的規(guī)則逼近緊集上的連續(xù)函數(shù)值,從而最大程度上避免隨機干擾對函數(shù)值的影響?;谏鲜龇治?,TS模糊模型能夠有效地利用股價變化所反映出的潛在規(guī)律,能夠精確地預(yù)測股價的變化。Pei-Chann Chang, Chen-Hao Liu曾使用TS模糊模型對臺灣證交所指數(shù)以及聯(lián)發(fā)科技股價進行過預(yù)測[3]。但是他們利用的是整個大盤中選取出大量股票,針對其中每只股票相同的技術(shù)指標進行分類匯總,然后先預(yù)測出各組技術(shù)指標值,再用預(yù)測出的技術(shù)指標值對當天股價進行預(yù)測。盡管預(yù)測精度較高,但是因為是通過當天技術(shù)指標預(yù)測當天股價,而且要通過收集大量股票數(shù)據(jù)進行預(yù)測,不具有簡便可行的實用意義。同時,采用的輸入變量是通過技術(shù)指標的定義選出,是由前人的經(jīng)驗而不是實際實驗得出,沒有實驗數(shù)據(jù)結(jié)果的支持。我們的研究則另辟蹊徑,找出單只股票中技術(shù)指標組合并通過TS模糊模型對下一交易日開盤價進行預(yù)測,需要的歷史數(shù)據(jù)量更小,更有針對性,并且克服了只能通過當天指標預(yù)測當天股價的局限。
1 TS模糊模型
TS模糊模型由Takagi和Sugeno兩位學(xué)者在1985年提出。該模型的主要思想是將非線性系統(tǒng)用許多線段相近的表示出來,也就是將復(fù)雜的非線性問題轉(zhuǎn)化為在不同小線段上的問題,這種局部解構(gòu)的思想也正是利用了與人類接近的思考方式,顯得簡潔直接。由以上介紹可知TS模糊模型是由多個線性系統(tǒng)對同一個非線性系統(tǒng)進行擬合,利用模糊算法進行輸入變量的解構(gòu),通過模糊演算推理再去模糊化,生成數(shù)條代表每組輸入與輸出關(guān)系的方程。
2 輸入變量的選擇
在股價變化趨勢的分析上,主要有兩大流派——技術(shù)分析與基本面分析,其中技術(shù)分析長于對股價短期變化趨勢的預(yù)測,而基本面分析則在中長期分析上占有優(yōu)勢,因此我們借助股票技術(shù)指標作為對股價預(yù)測的輸入變量。
在眾多技術(shù)指標中,我們在一些常用的技術(shù)指標中首先選取了開盤價、收盤價、最高價、最低價、成交量、MACD、MACD.DIF、 MACD.EMA、DMI.ADX、DMI.ADXR、D
MI.PDI、DMI.MDI、DMA.DIF、DMA.AMA、TRIX、BRAR.BR、
BRAR. AR、CR、VR、OBV、ASI、EMV、RSI1、RSI2、RSI3、WR
1、WR2、SAR、KDJ.K、KDJ.D、KDJ.J、CCI、ROC、MTM、PSY、
MCST[4]。
2.1 預(yù)測結(jié)果與實際結(jié)果的檢驗 本研究使用預(yù)測均方誤差RMSE來衡量模型預(yù)測的準確度。其表達如下式(1):RMSE=■(1)
其中i是測試次數(shù)(i=1,2,…,n);n是總次數(shù);yi表示第i次的實際值;■i表示第i次的預(yù)測值。
2.2 輸入變量的篩選 因為開盤價、收盤價、最高價、最低價是最為直接決定股價變化的指標,也是組成這些技術(shù)指標的基本要素,因此我們選擇以收盤價、最高價、最低價作為基本變量,來預(yù)測第二天的開盤價。我們選擇了浦發(fā)銀行(600000)作為測試對象,收集了浦發(fā)銀行從2011年10月31日到2013年7月26日的420組上述所有技術(shù)指標數(shù)據(jù),以2011年10月31日后400天內(nèi)的數(shù)據(jù)作為模型的歷史數(shù)據(jù)集,通過模型對剩余20天的開盤價進行預(yù)測。
我們分別用三個基本變量,并加入上面已經(jīng)列出的除四個股價指標外的任意一個技術(shù)指標作為第四個輸入變量,以這四個輸入變量為一個實驗組,對總共32組數(shù)據(jù)測試,每組得出20個預(yù)測的交易日股價,然后通過回歸分析得出每組的RMSE,并進行比較。同時以三個基本變量為對照組,也測該組的RMSE。又因為每個實驗組的四個變量中三個是基本變量,因此以其中不同的變量作為該組組名。得到實驗組RMSE如表1。
將所有實驗組的RMSE排列,找出小于對照組RMSE的組,從而確定反應(yīng)股價變動影響最強的幾個變量。根據(jù)上面的數(shù)據(jù)結(jié)果可知它們是MACD、成交量、DMI.ADX。上述過程得出的結(jié)果顯示預(yù)測值和實際值符合度高,但是在這一系列的預(yù)測過程中,每一組的變量值與預(yù)測值均在同一天內(nèi),也就是我們用當天的最高價、最低價、收盤價,再加上當天的某一個技術(shù)指標預(yù)測當天的開盤價。這沒有任何使用價值,因為在知道當天的最高價、最低價、收盤價的前提下,開盤價一定是已知的。我們重新對數(shù)據(jù)排序,將原來四個變量對應(yīng)的開盤價變?yōu)楹笠唤灰兹盏拈_盤價,并且用調(diào)整后的實驗組和對照組分別對最后20個交易日內(nèi)開盤價進行預(yù)測。在處理所有數(shù)據(jù)后同樣按照升序排列所有的實驗組,如表2。
由表1和表2可知,除了成交量、MCST、DMI.ADX實驗組之外,其它所有實驗組包括對照組在進行調(diào)整后,RMSE均比之前測試結(jié)果小。這種現(xiàn)象顯示大部分技術(shù)指標對明天價格的反映比對當天股價的反映來說要更有效。通過以上測試,我們可以看出四個輸入變量的最佳選擇,即最高價、最低價、收盤價、ASI。實際股價與測試股價如圖1。
3 總結(jié)
本研究較方便地挖掘出清晰地反映影響股價變化的主要因素,并且進行高精度的短期個股股價變動預(yù)測。并提出通過錯時編排變量與待測試值的歷史數(shù)據(jù)對應(yīng)順序,提高了模型預(yù)測股價的精度。研究結(jié)果顯示:相比于以往研究[5-7],構(gòu)建的模型需要的輸入變量歷史數(shù)據(jù)少,預(yù)測精度高,并且能顯現(xiàn)出預(yù)測出股票價格的主要技術(shù)指標組,因此本研究具有較高的實用價值。
股票價格受到多種因素的綜合作用,因此股價的變動往往是非線性的,不能正確地找到影響股價的主要因素及其合適的模型,較準確地預(yù)測股票的價格。Takagi-Sugeno(簡寫為TS)模糊模型對非線性、時變以及在受到較多影響因素作用的問題的預(yù)測是一個非常好的工具[2]。另外,TS模糊模型依靠有限的規(guī)則逼近緊集上的連續(xù)函數(shù)值,從而最大程度上避免隨機干擾對函數(shù)值的影響?;谏鲜龇治?,TS模糊模型能夠有效地利用股價變化所反映出的潛在規(guī)律,能夠精確地預(yù)測股價的變化。Pei-Chann Chang, Chen-Hao Liu曾使用TS模糊模型對臺灣證交所指數(shù)以及聯(lián)發(fā)科技股價進行過預(yù)測[3]。但是他們利用的是整個大盤中選取出大量股票,針對其中每只股票相同的技術(shù)指標進行分類匯總,然后先預(yù)測出各組技術(shù)指標值,再用預(yù)測出的技術(shù)指標值對當天股價進行預(yù)測。盡管預(yù)測精度較高,但是因為是通過當天技術(shù)指標預(yù)測當天股價,而且要通過收集大量股票數(shù)據(jù)進行預(yù)測,不具有簡便可行的實用意義。同時,采用的輸入變量是通過技術(shù)指標的定義選出,是由前人的經(jīng)驗而不是實際實驗得出,沒有實驗數(shù)據(jù)結(jié)果的支持。我們的研究則另辟蹊徑,找出單只股票中技術(shù)指標組合并通過TS模糊模型對下一交易日開盤價進行預(yù)測,需要的歷史數(shù)據(jù)量更小,更有針對性,并且克服了只能通過當天指標預(yù)測當天股價的局限。
1 TS模糊模型
TS模糊模型由Takagi和Sugeno兩位學(xué)者在1985年提出。該模型的主要思想是將非線性系統(tǒng)用許多線段相近的表示出來,也就是將復(fù)雜的非線性問題轉(zhuǎn)化為在不同小線段上的問題,這種局部解構(gòu)的思想也正是利用了與人類接近的思考方式,顯得簡潔直接。由以上介紹可知TS模糊模型是由多個線性系統(tǒng)對同一個非線性系統(tǒng)進行擬合,利用模糊算法進行輸入變量的解構(gòu),通過模糊演算推理再去模糊化,生成數(shù)條代表每組輸入與輸出關(guān)系的方程。
2 輸入變量的選擇
在股價變化趨勢的分析上,主要有兩大流派——技術(shù)分析與基本面分析,其中技術(shù)分析長于對股價短期變化趨勢的預(yù)測,而基本面分析則在中長期分析上占有優(yōu)勢,因此我們借助股票技術(shù)指標作為對股價預(yù)測的輸入變量。
在眾多技術(shù)指標中,我們在一些常用的技術(shù)指標中首先選取了開盤價、收盤價、最高價、最低價、成交量、MACD、MACD.DIF、 MACD.EMA、DMI.ADX、DMI.ADXR、D
MI.PDI、DMI.MDI、DMA.DIF、DMA.AMA、TRIX、BRAR.BR、
BRAR. AR、CR、VR、OBV、ASI、EMV、RSI1、RSI2、RSI3、WR
1、WR2、SAR、KDJ.K、KDJ.D、KDJ.J、CCI、ROC、MTM、PSY、
MCST[4]。
2.1 預(yù)測結(jié)果與實際結(jié)果的檢驗 本研究使用預(yù)測均方誤差RMSE來衡量模型預(yù)測的準確度。其表達如下式(1):RMSE=■(1)
其中i是測試次數(shù)(i=1,2,…,n);n是總次數(shù);yi表示第i次的實際值;■i表示第i次的預(yù)測值。
2.2 輸入變量的篩選 因為開盤價、收盤價、最高價、最低價是最為直接決定股價變化的指標,也是組成這些技術(shù)指標的基本要素,因此我們選擇以收盤價、最高價、最低價作為基本變量,來預(yù)測第二天的開盤價。我們選擇了浦發(fā)銀行(600000)作為測試對象,收集了浦發(fā)銀行從2011年10月31日到2013年7月26日的420組上述所有技術(shù)指標數(shù)據(jù),以2011年10月31日后400天內(nèi)的數(shù)據(jù)作為模型的歷史數(shù)據(jù)集,通過模型對剩余20天的開盤價進行預(yù)測。
我們分別用三個基本變量,并加入上面已經(jīng)列出的除四個股價指標外的任意一個技術(shù)指標作為第四個輸入變量,以這四個輸入變量為一個實驗組,對總共32組數(shù)據(jù)測試,每組得出20個預(yù)測的交易日股價,然后通過回歸分析得出每組的RMSE,并進行比較。同時以三個基本變量為對照組,也測該組的RMSE。又因為每個實驗組的四個變量中三個是基本變量,因此以其中不同的變量作為該組組名。得到實驗組RMSE如表1。
將所有實驗組的RMSE排列,找出小于對照組RMSE的組,從而確定反應(yīng)股價變動影響最強的幾個變量。根據(jù)上面的數(shù)據(jù)結(jié)果可知它們是MACD、成交量、DMI.ADX。上述過程得出的結(jié)果顯示預(yù)測值和實際值符合度高,但是在這一系列的預(yù)測過程中,每一組的變量值與預(yù)測值均在同一天內(nèi),也就是我們用當天的最高價、最低價、收盤價,再加上當天的某一個技術(shù)指標預(yù)測當天的開盤價。這沒有任何使用價值,因為在知道當天的最高價、最低價、收盤價的前提下,開盤價一定是已知的。我們重新對數(shù)據(jù)排序,將原來四個變量對應(yīng)的開盤價變?yōu)楹笠唤灰兹盏拈_盤價,并且用調(diào)整后的實驗組和對照組分別對最后20個交易日內(nèi)開盤價進行預(yù)測。在處理所有數(shù)據(jù)后同樣按照升序排列所有的實驗組,如表2。
由表1和表2可知,除了成交量、MCST、DMI.ADX實驗組之外,其它所有實驗組包括對照組在進行調(diào)整后,RMSE均比之前測試結(jié)果小。這種現(xiàn)象顯示大部分技術(shù)指標對明天價格的反映比對當天股價的反映來說要更有效。通過以上測試,我們可以看出四個輸入變量的最佳選擇,即最高價、最低價、收盤價、ASI。實際股價與測試股價如圖1。
3 總結(jié)
本研究較方便地挖掘出清晰地反映影響股價變化的主要因素,并且進行高精度的短期個股股價變動預(yù)測。并提出通過錯時編排變量與待測試值的歷史數(shù)據(jù)對應(yīng)順序,提高了模型預(yù)測股價的精度。研究結(jié)果顯示:相比于以往研究[5-7],構(gòu)建的模型需要的輸入變量歷史數(shù)據(jù)少,預(yù)測精度高,并且能顯現(xiàn)出預(yù)測出股票價格的主要技術(shù)指標組,因此本研究具有較高的實用價值。
欄目分類
熱門排行
推薦信息
- 大數(shù)據(jù)賦能大學(xué)生心理健康教育精準實施
- 文化產(chǎn)業(yè)與旅游經(jīng)濟發(fā)展的雙向促進
- 借力新媒體創(chuàng)新馬克思主義傳播范式
- 發(fā)揚教育家精神 爭做新時代“大先生”
- 人工智能視域下思政教育工作圖景與路徑
- 數(shù)字化賦能高校藝術(shù)設(shè)計類專業(yè)OMO融合式教學(xué)創(chuàng)新研究
- 中國民間藝術(shù)在中職美術(shù)教學(xué)中的應(yīng)用探索
- 技術(shù)與藝術(shù)的交融——虛擬現(xiàn)實技術(shù)走進數(shù)字媒體藝術(shù)課堂的教學(xué)研究
- 中國傳統(tǒng)造像中的寫實造型規(guī)律研究
- 文化自信視域下職業(yè)院校藝術(shù)鑒賞教學(xué)的美育浸潤行動實踐研究
期刊知識
- 2025年中科院分區(qū)表已公布!Scientific Reports降至三區(qū)
- 2023JCR影響因子正式公布!
- 國內(nèi)核心期刊分級情況概覽及說明!本篇適用人群:需要發(fā)南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的學(xué)者
- 我用了一個很復(fù)雜的圖,幫你們解釋下“23版最新北大核心目錄有效期問題”。
- CSSCI官方早就公布了最新南核目錄,有心的人已經(jīng)拿到并且投入使用!附南核目錄新增期刊!
- 北大核心期刊目錄換屆,我們應(yīng)該熟知的10個知識點。
- 注意,最新期刊論文格式標準已發(fā)布,論文寫作規(guī)則發(fā)生重大變化!文字版GB/T 7713.2—2022 學(xué)術(shù)論文編寫規(guī)則
- 盤點那些評職稱超管用的資源,1,3和5已經(jīng)“絕種”了
- 職稱話題| 為什么黨校更認可省市級黨報?是否有什么說據(jù)?還有哪些機構(gòu)認可黨報?
- 《農(nóng)業(yè)經(jīng)濟》論文投稿解析,難度指數(shù)四顆星,附好發(fā)選題!