基于智能算法的股票市场决策模型

发布时间：2017-03-19 21:03

  本文关键词：基于智能算法的股票市场决策模型，由笔耕文化传播整理发布。

【摘要】：股票市场是一个充斥着各种噪声的动态非线性系统,容易受到各种因素的影响,好的交易算法和策略是成功交易的基石。无论是基本面分析还是技术面分析,都试图在股票市场中挑选优质的股票以供市场参与者投资选择。与此同时,金融工程中的数量化选股理念在于通过量化的筛选、分析、归纳过程找到客观的选股模式,发掘内在驱动因素,精选个股。 智能算法是受到大自然智慧和人类智慧的启发而设计出的一类算法的统称。利用遗传算法可以快速的解决局部最优化的问题,遗传编程利用其独特的种群结构,拓宽了遗传算法应用的范围,神经网络提供了精确快速且丰富的算法体系,鱼群算法在最优化过程中也具有较强的适用性。这些智能算法在金融工程中的运用,为金融工程中的各类问题提供了丰富而高效的解决方案。 本文试图构建一个自上而下的选股体系,并使用各种智能算法来实现各个环节的优化和决策,设计一个能够机动适应条件变化的交易体系,利用历史数据和前人的研究成果训练这一体系,使之成为一个灵敏博学的“思考者”,就能够帮助我们在决策时不受情绪的影响,投资者也能够通过计算机代替自己做出决策。本文提出的选股模型分别从基本而分析和技术面分析两个角度,采用遗传算法作为核心算法,并利用遗传编程、神经网络、鱼群算法多种算法,构建了A股市场选股模型,试图接近一个成熟投资者的思维训练方式,在优化了前人模型的前提下,根据历史数据评判了模型的可靠性,为A股市场的投资者提供了富有价值的模型体系。
【关键词】：智能算法 遗传算法 遗传编程 投资决策
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP18;F830.91;F224
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-19
• 第一节 股票投资及智能算法研究的现实背景9-10
• 第二节 国外发展情况10-15
• 第三节 国内发展情况15-16
• 第四节 本文内容16-17
• 第五节 创新与不足17-19
• 第二章 基本面价值选股模型19-34
• 第一节 经典价值选股模型19-25
• 一、多因子模型19-20
• 二、加拿大皇家银行价值选股模型20-21
• 三、欧奈尔基本面CAN SLIM法则21-22
• 四、朱雀丁远指数中性策略及实证结果22-25
• 第二节 基本面价值选股模型(筛选法)25-31
• 一、遗传算法及其原理25
• 二、利用遗传算法进行基本面选股25-28
• 三、基本面价值选股模型(筛选法)实证评价28-31
• 第三节 基本面价值选股模型(权重法)31-34
• 一、神经网络算法及SOFM神经网络31-33
• 二、基本面价值选股模型(权重法)设计33-34
• 第三章 技术面分析选股模型34-61
• 第一节 技术面分析介绍34-40
• 一、技术指标35-36
• 二、价格形态分析36-37
• 三、K线组合分析37-40
• 四、成交量形态40
• 第二节 鱼群算法优化经典技术指标参数40-43
• 一、鱼群算法简介40
• 二、适应值计算及评价方法40-41
• 三、实证结果41-43
• 第三节 遗传编程生成技术指标43-53
• 一、遗传编程43
• 二、Potvin和Sorinano等学者的应用缺陷及本文的优化改造43-50
• 三、实证结果50-53
• 第四节 遗传算法生成优化交易规则53-61
• 一、个体编码53-54
• 二、股票市场的长记忆性和Hurst指数54-55
• 三、K线形态中的模糊逻辑55
• 四、启发式遗传算法应用于交易规则的挖掘55-58
• 五、实证结果58-61
• 第四章 基本面——技术面综合选股体系和拓展61-67
• 第一节 基本面——技术面综合选股体系61-65
• 一、自上而下的投资方法61
• 二、综合选股体系及实证结果61-65
• 第二节 综合选股体系的拓展65-67
• 结束语67-70
• 参考文献70-73
• 致谢73-75

【参考文献】

中国期刊全文数据库 前10条

1 叶中行,曹奕剑;Hurst指数在股票市场有效性分析中的应用[J];系统工程;2001年03期

2 姚洪兴,盛昭瀚;股市预测中的小波神经网络方法的研究[J];管理工程学报;2002年02期

3 王志刚;曾勇;李平;;中国股票市场技术分析非线性预测能力的实证检验[J];管理工程学报;2009年01期

4 瞿慧;;基于遗传编程的上证50指数技术交易规则研究[J];管理科学;2010年05期

5 王新宇;宋学锋;吴瑞明;;基于模糊信息分配理论的短期股价涨跌模式识别[J];管理科学学报;2006年02期

6 李心丹,王冀宁,傅浩;中国个体证券投资者交易行为的实证研究[J];经济研究;2002年11期

7 杨建辉;江文婷;;基于PSO的考虑完整费用的证券组合优化研究[J];计算机应用研究;2010年09期

8 李惟佳;孙涛;;灰色GM(1,N)方法在股票预测中的应用[J];价值工程;2009年11期

9 郑丕谔,马艳华;RBF神经网络的递阶遗传训练新方法[J];控制与决策;2000年02期

10 赵培标;;基于AHP法的股票投资决策[J];统计与决策;2006年16期

中国硕士学位论文全文数据库 前2条

1 张静;智能选股及股价预测系统研究与开发[D];中南大学;2010年

2 蔡健林;中国A股市场选股模型研究[D];上海交通大学;2010年

  本文关键词：基于智能算法的股票市场决策模型，由笔耕文化传播整理发布。

，

本文编号：256568