2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、在過去的2015年里人們經(jīng)歷了一場波瀾壯闊的大牛市,也經(jīng)歷了一場從未有過的股災(zāi),多數(shù)人的財富在這一場泡沫中經(jīng)歷了過山車式的變化。而隨著經(jīng)濟的發(fā)展和人民財富的積累,股市在承擔(dān)資產(chǎn)配置和為中小企業(yè)融資方面將扮演越來越重要的角色。股市的好壞將直接影響國計民生,因此如何更好的預(yù)測市場未來的走勢就顯得尤為重要。
  通過查閱文獻我們發(fā)現(xiàn),傳統(tǒng)的股市預(yù)測方法在進行數(shù)據(jù)去噪時單純的采取小波去噪的方式,一旦閾值的選擇不合理就會造成對高頻部分去噪過

2、度,使得去噪數(shù)據(jù)不能很好的保留原始數(shù)據(jù)的細節(jié)特征。另外傳統(tǒng)預(yù)測方法老套且創(chuàng)新性不強,多數(shù)文章都是將以往用過的模型重新套用或者單一的組合,并沒有新的研究方法出現(xiàn)。
  針對以上問題,本文通過Wind數(shù)據(jù)庫提取自2005年4月6日到2015年4月3日滬深300收盤指數(shù)作為原始研究數(shù)據(jù),共計2428組,數(shù)據(jù)真實可靠。在對原始股票數(shù)據(jù)進行去噪處理時,利用偏微分去噪可以更好的保留數(shù)據(jù)細節(jié)特征的優(yōu)點。本文首次將偏微分和小波去噪相結(jié)合運用于股票

3、數(shù)據(jù)的分析和預(yù)測中,提出了小波偏微分混合去噪模型。將原始數(shù)據(jù)、小波去噪數(shù)據(jù)、小波與偏微分方程去噪數(shù)據(jù)三種數(shù)據(jù)各抽取542組作為預(yù)測模型的輸入變量進行對比研究。
  由于股票數(shù)據(jù)的非線性特性,本文引入在處理非線性問題時更具優(yōu)勢的GRNN神經(jīng)網(wǎng)絡(luò)模型,并與傳統(tǒng)股票預(yù)測時采取的BP神經(jīng)網(wǎng)絡(luò)模型進行對比?;趧討B(tài)神經(jīng)網(wǎng)絡(luò)理論,本文模仿前人將時間窗口滑動和后反饋連接加入BP神經(jīng)網(wǎng)絡(luò)進而得到可以處理動態(tài)問題的BP—DNN模型。首次將時間窗口滑

4、動和后反饋連接引入GRNN神經(jīng)網(wǎng)絡(luò)提出更適合處理非線性動態(tài)問題的GRNN—DNN模型。
  最后我們將上述數(shù)據(jù)處理模型與兩種預(yù)測模型組合進行訓(xùn)練和預(yù)測,得到四種可以對股票數(shù)據(jù)進行預(yù)測的組合模型,得出以下結(jié)論:
  1)由去噪后的指數(shù)圖形可得,小波偏微分混合去噪在去除噪聲的同時可以更好的保留原始數(shù)據(jù)的細節(jié)特征。
  2)在同一預(yù)測模型背景下,三種數(shù)據(jù)預(yù)測誤差最小的是小波去噪數(shù)據(jù),小波與偏微分方程去噪數(shù)據(jù)次之,原始數(shù)據(jù)最差

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論