基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于BP神经网络的我国股指期货价格预测

应用BP神经网络理论提出了我国股指期货市场价格走势短期预测模型。首先根据实验数据的特点分别构建单因素、多因素BP神经网络预测模型,再通过重复试验的方法,运用BP神经网络对股指期货价格序列进行训练,从而对股指期货价格进行预测。结果表明,通过BP神经网络预测模型得到的预测值与股指期货的实际价格有着很高的拟合度。     

基于粗糙集和支持向量机的股指期货预测模型研究

本文提出基于粗糙集和支持向量机的股指期货走势预测模型。在模型中首先使用粗糙集对指标集进行特征选择,剔除冗余指标,然后使用支持向量机对基于历史数据的股指期货价格走势进行预测。为了评估该预测模型的性能,将预测结果与传统的自回归移动平均模型和BP神经网络模型的预测结果进行比较。实验结果表明了该模型的有效性。     

马尔科夫链推广模型在股指预测中的应用

将状态集空间法引入到马尔科夫链预测模型中,并且分析了状态集空间对预测结果的影响.同时将这种新型的马尔科夫推广模型,应用于股指数据的预测问题.发现这种方法不仅符合马氏检验的条件,而且预测的准确率也有所提高.     

基于时频融合卷积神经网络的股票指数预测

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降.为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法.首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性.进一步结合时序卷积...     

基于马氏链的股指期货合约指数的预测

采用马氏链模型对我国股票指数期货四种合约的每日收盘价格进行短期预测,发现该模型对当月连续合约、下月连续合约以及下季连续合约等三只合约未来五个交易日的预测准确率为100％,而隔季连续合约仅为40％.利用马氏链遍历性的平稳分布,给出长期市场环境下,股指期货发生在不同区间的概率分布,以及返回各个状态需要的平均时间.     

滚动窗口下马氏链预测股票价格准确率的研究

针对马氏链短期预测股票价格的准确率问题,对状态缺失导致的马氏链预测模型失效问题进行了处理,基于滚动窗口下不同状态个数以及不同样本长度两个视角对股票价格数据进行动态处理,并分别对某股票每日收盘价未来1～5期所处的状态区间进行多次重复预测,最终将预测结果与实际值进行对比。研究结果表明,利用马氏链方法预测股票价格短期走势具有较高的准确率,准确率的高低随着状态个数、样本长度的不同而有所变动。     

一种新型神经网络在期货价格预测中的应用

文章利用随机变异-优化选择设计规则的神经网络对沪深300股指期货的价格时间序列进行仿真预测。研究发现该方法在解决实际问题的过程中效果更佳,能够解决BP网络参数不易确定,预测精度不高的问题。     

非线性分析方法在沪市高频时间序列中的应用

为研究高频金融时间序列的可预测性,尝试运用相空间重构和偏差计算分析方法预测t 1时刻股指瞬态变化方向.相空间重构可以保持原高频时间序列的某些信息,这些信息是对系统行为的近似描述.通过这种近似行为的描述,发现当时间t足够大时,即t→∞,系统的特性会被更好地反映出来;运用动态系统偏差来描述系统特性,分析系统的瞬间情况,而这种偏差等价于Jacobian矩阵的迹,它是用来测量无穷小的相空间量V(t)沿着轨迹x(t)的变化率.以沪市综合指数5 min高频数据为实证研究对象,预测t 1时刻股指瞬态变化方向,再和实际股指运动方向做比较,效果比较好.     

ARIMA模型在股价预测上的应用及其傅里叶修正

ARIMA模型静态预测精确度较高,但是只能预测下一期的值,动态预测可以预测多期的值,但是不能很好的给出股价走势.现以股票价格走势为例,首先利用ARIMA模型动态的预测序列未来多期的值,再结合傅里叶级数预测法建立修正的预测模型,以得到较为准确的股价走势.     

加权Markov链权重计算及其应用

以中体产业股价为例,应用加权Markov链理论对股票价格进行预测分析.通过模糊聚类分析,将已知的股票价格变动情况分为六类,并对股票收盘价的历史数据进行马氏性检验.利用加权Markov链计算权重的方法,计算出每类状态的权重值,并给出中体产业未来股票价格的预测区间.应用随机过程的加权Markov链理论,构造了描述股票价格波动格变化的数学模型,并通过实例给出股价的预测区间,该方法具有很强的适用性.     

酵母基因启动子序列结构与转录频率的关联性分析

分别基于Markov链模型、频率分析和加权Markov链模型分析k-mer(主要考虑k=6的情形)在DNA序列中的使用情况,并以此定义模糊相对熵度量2个DNA序列结构的差异程度.将转录频率较低的启动子序列作为对照,分析其它转录频率不同的酵母基因启动子序列与对照序列中k-mer隶属度的模糊相对熵的变化,发现基因转录频率与模糊相对熵存在线性正相关关系.一般地,转录频率相差越大的基因,其启动子序列结构的差异越明显.这提示酵母基因启动子序列结构与基因转录频率有一定关联性.与Markov链模型和频率分析法比较,加权Markov链模型的模糊相对熵能更有效地度量基因启动子序列结构的差异.     

惯性器件长期贮存性能可靠性灰色马氏链预测

为了及时掌握武器系统惯性器件的性能，并为延长其使用寿命及维修提供依据，对其进行贮存可靠性评估和预测非常必要．讨论了一种灰色马氏链预测模型的建模方法，此方法兼具灰色模型和马氏链模型的优点，它不仅充分利用了灰色模型动态建模思想，来预报可靠性数据总体趋势，并且根据此总体趋势，进行状态的划分，从而大大克服了马氏链状态矩阵运算量大的缺点，而且拓宽了灰色模型的应用范围，使其适合于波动性较大的随机数据列的预测．最后，对某型导弹速率陀螺仪贮存性能可靠性进行估计，并进行灰色马氏链预测．     

基于灰色马氏链模型的农村居民消费水平预测

选取2000—2018年全国农村居民消费水平为样本数据,对农村居民消费水平变化趋势进行研究.将灰色模型与马氏链模型相结合,建立灰色马氏链预测模型.通过对比发现,灰色马氏链模型能够提高预测精度,并利用灰色马氏链模型对2019—2025年的农村居民消费水平进行了预测.结果表明:农村居民消费水平有明显的上升趋势.     

利用马尔可夫链模型预测股票市场的近期走势

由于股市受多种随机因素的影响其未来的走势及演变仅仅与当前所处状态有关,而不受过去的状态影响,也就是具有马尔可夫性．本文运用这一性质建立了股票价格预测的马尔可夫链数学模型,并举例说明了该模型在股票交易市场分析、预测中的应用．     

Markov链模型在异常检测上的应用研究

Markov链模型作为一种统计分析方法是异常检测的重要分析手段，论文分别从单步、多步Markov链和基于Markov链的序列预测三个方面，研究了Markov链模型在异常检测检测上的应用。实验表明，该方法在不需要任何攻击领域知识的情况下，能很好检测出SendMail系统调用的异常行为。     

单离子通道的隐马氏模型与状态的还原

对细胞膜单离子通道建立隐马氏模型，其中通道潜在的开关状态序列{xt}为马氏链，而膜片钳记录数据{xt}为依赖通道状态的正态分布。用EM算法估计模型中的转移概率以及正态分布的均数与方差等参数，并利用隐马氏模型的性质，用观察到的{Yt}来还原通道潜在的开关状态{Xt}。     

马尔可夫链的离散人口预测模型及其应用

为准确预测我国未来人口发展趋势,以我国近10年来人口数据为依据,对中国人口老龄化进程加快的问题进行统计分析。利用绝对分布的马尔可夫链人口预测模型,预测了未来中国人口结构,建立了基于模糊权马尔可夫链人口预测模型,对人口出生率和死亡率以及人口总数进行了预测,同时检验了这些预测模型的可靠性。最后讨论了基于平稳分布的人口结构控制问题。     

马尔可夫链在股市分析中的若干应用

应用马氏链理论建立股价波动及预测的数学模型．提出了股价的运行周期和投资收益的最大化理论．通过实际数据的检验，证明了该模型应用的可行性．