金融時間序列建模

股票時間序列建模與預(yù)測上海交通大學(xué)安泰經(jīng)院金融系徐信喆理論框架簡介離散時間隨機(jī)序列獨(dú)立的(Independence)

–點與點之間獨(dú)立相互聯(lián)系的(Context-dependence)

–馬可夫時間序列(Markov-basedModels)連續(xù)時間隨機(jī)序列線性組合(LinearCombination)

–類傅里葉變化(FourierTransformation)非線性分析(Un-linearedAnalysis) –隨機(jī)微分方程(StochasticDifferentialEquation)

基于K線模糊序列比對的股市時間序列建模假設(shè)：股票價格的變化是由多空雙方博弈所形成的結(jié)果，其中，K線圖模式往往真實的反映了市場的行為和人們的心理活動；在漫長的演化與發(fā)展中，必定存在反復(fù)出現(xiàn)的模式（recurrentpattern）。普遍認(rèn)為，股票的走勢是有規(guī)律的。目的：尋找K線圖中反復(fù)出現(xiàn)的模式，用計量方法加以統(tǒng)計和歸類，試圖預(yù)測股價的拐點。方法：利用現(xiàn)代智能計算方法，使用非線性的建模方式，對股市K線走勢加以模糊化變換、比對與分類，從統(tǒng)計意義上來尋找規(guī)律。輸入變量：n天價格：開盤價、收盤價、最高價、最低價n天成交量：量比輸出：后m天的價格的漲跌幅基于K線模糊序列比對的股市時間序列建模有關(guān)金融時間序列的計算機(jī)智能算法的相關(guān)文獻(xiàn)基于非線性擬合方法：

其主要思想是將若干歷史變量作為輸入，然后輸出一個預(yù)測結(jié)果，通過和實際結(jié)果進(jìn)行比較來修正模型內(nèi)部的參數(shù)從而達(dá)到訓(xùn)練的目的，最后達(dá)到近似最優(yōu)解。具有代表性的模型有：人工神經(jīng)網(wǎng)絡(luò)（ANN）、模糊神經(jīng)系統(tǒng)（FNN）等，以及在此基礎(chǔ)上發(fā)展的一些更加復(fù)雜的模型，如：FCMAC-BYY（FuzzyCerebellarModelArticulationController–BayesianYingYang）等?；谝?guī)則的學(xué)習(xí)方法：

其主要思想是將歷史信息轉(zhuǎn)化為歷史規(guī)則，然后對歷史規(guī)則進(jìn)行聚類、分類等學(xué)習(xí)，從而達(dá)到預(yù)測未來股價的目的。其主要方法有：支持向量機(jī)（SVM）、自組織映射（SOM）、K均值（K-Means）等。近10年發(fā)展起來的模糊時間序列理論。最早提出將模糊邏輯理論應(yīng)用于時間序列預(yù)測的是Song和Chissom，隨后Chen簡化了Song和Chissom的模型中的最大-最小運(yùn)算，并且提高了預(yù)測精度，其預(yù)測的對象都是阿拉巴馬州大學(xué)的招生情況（Enrollment）。隨后，出現(xiàn)了大量的將模糊邏輯應(yīng)用于金融時間序列的研究工作?；谶M(jìn)化、選擇的搜索方法：

其主要思想是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程來解決非線性函數(shù)優(yōu)化和組合優(yōu)化問題。主要方法有：遺傳算法（GA）、進(jìn)化算法（EA）等?；贙線模糊序列比對的股市時間序列建模模式使用的主要方法：模糊邏輯（FL）–構(gòu)建論域、模糊集合、隸屬度函數(shù)、模糊化、去模糊化過程序列比對(SA)–局部法（找到局部最優(yōu)解）聚類分析(CL)–K-臨近、自組織映射、模糊聚類等等基于K線模糊序列比對的股市時間序列建模股市短期走勢分析與預(yù)測1–正向查詢輸入某個股票的時間序列xi={xi0,xi1,…,xit}使用模糊邏輯將它轉(zhuǎn)化為K線模糊時間序列xi’={xi0’,xi1’,…,xit’}使用模糊邏輯將歷史上所有的股票序列都轉(zhuǎn)化為K線模糊時間序列集X={x1’,x2’,…,xn’}比對2和X中的所有序列，從3中找到與2相似形態(tài)的K線模糊時間序列集A對A的今后趨勢作統(tǒng)計，預(yù)測xi今后的趨勢。股市短期走勢分析與預(yù)測1–正向查詢模糊邏輯（FL）輸入序列比對（SA）模糊時間序列歷史相似形態(tài)集查詢預(yù)測歷史數(shù)據(jù)庫基于K線模糊序列比對的股市時間序列建?；贙線模糊序列比對的股市時間序列建模股市短期走勢分析與預(yù)測2–反向搜索利用經(jīng)驗式的規(guī)則來啟發(fā)式地選取具有震蕩行情與趨勢行情中的轉(zhuǎn)折點（拐點）的K線子序列，試圖幫助投資者進(jìn)行股市行情的拐點判斷。選取具有牛勢K線子序列的方法為：搜索歷史股指，尋找前10天的累積漲幅不超過p%，而后十天的累積漲幅超過q%的所有子序列。(可將p設(shè)置為10%，q設(shè)置為35%，對滬深1602只股票自1990年上市以來所有歷史數(shù)據(jù)進(jìn)行搜索，共找到了15038條具有牛勢形態(tài)的K線子序列）使用反向搜索，來統(tǒng)計這些牛勢形態(tài)序列在歷史上出現(xiàn)相似形態(tài)的次數(shù)，并統(tǒng)計相似形態(tài)的之后趨勢，將漲跌幅統(tǒng)計不顯著的序列剔除，得到具有統(tǒng)計顯著意義的牛熊勢形態(tài)數(shù)據(jù)庫通過比對該數(shù)據(jù)庫來尋找現(xiàn)有股票走勢中，形態(tài)相似的股票，從而幫助投資者選股。模型測試準(zhǔn)確性測試以07年之前的數(shù)據(jù)作為訓(xùn)練樣本，以07年之后的數(shù)據(jù)作為測試樣本測試預(yù)測漲跌幅與實際漲跌幅之間