导读:本文包含了股市预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,算法,向量,股市,恒生指数,效应,收益。
股市预测论文文献综述
张冰,王传美,贺素香[1]（2019）在《改进的TSVR模型在股市高频数据上的预测》一文中研究指出为构建更精准的股票价格预测模型,提出具有局部信息挖掘功能的DNN加权算法对eplion-TSVR模型进行改进,并对改进模型的求解进行推导,针对DNN算法对于参数的选取太过随意,提出使用网格搜索法确定DNN的最优参数以确定最优DR域。搜集中国上证A股中的15支股票的日价格和高频5分钟价格数据并计算其技术指标,对20天以及20分钟后的收盘价进行实证预测。预测结果显示,改进模型在高频股票数据上具有很好的预测能力和泛化性能。(本文来源于《计算机工程与设计》期刊2019年11期）
罗文婷,徐庆娟,唐璐薇[2]（2019）在《支持向量机在股市预测中的应用》一文中研究指出本文以上证综合指数2011年1月4日到2018年1月4日的股市行情为研究对象进行实证分析,建立了一个支持向量机回归机的预测模型。实证分析主要基于MATLAB软件嵌套Libsvm工具箱实现。实证分析结果表明,本文建立的针对股市预测的支持向量机回归机模型是有效的。(本文来源于《时代金融》期刊2019年31期）
林文豪,陈梅倩,周礼刚,孟晓旭[3]（2019）在《基于VaR-GARCH模型族的中国股市风险预测能力分析》一文中研究指出文章利用穿透率和回溯测试,考察中国股市(以香港恒生和上证综指为例)从2000年1月4日至2017年12月22日期间历史模拟法、参数模型和非参数模型共15个VaR预测模型基于滚动窗口预测机制向前一步的预测能力。采取了风险值(VaR)的概念,具体针对GARCH模型族等VaR预测模型进行估计和预测。应用UC检验、CC检验和DQ检验对预测模型进行比较评估。最终实证结果表明正负收益非对称的非正态肥尾模型更能捕捉香港恒生和上证综指的风险特征,使VaR预测值更精确。(本文来源于《统计与决策》期刊2019年21期）
朱昶胜,张翰垠,冯文芳[4]（2019）在《股市舆情潜藏情感倾向对收益率的预测研究》一文中研究指出以网络股评舆情数据作为非结构型文本数据研究对象,结合股票市场的相关交易指标,使用文本挖掘技术和机器学习算法确定投资者情绪测度指标,分析舆情数据中潜藏情感倾向对未来短期内股票收益率的预测能力.实证结果表明,舆情文本中挖掘潜藏情感信息能够以较高的准确率实现对股市收益率的预测.分析讨论了对预测结果有一定影响的特征字段与训练样本两个因素,发现在特征字段数量不变的情况下,随着训练数据的增多,预测结果的解释能力会有所提高;而当训练数据维持在一定范围内时,特征词数量的选取对预测结果也有很大的影响.(本文来源于《兰州理工大学学报》期刊2019年05期）
凌峰[5]（2019）在《中国股市“牛熊市”转换的预测》一文中研究指出文章选取2005年6月至2015年6月上证指数与深证指数的历史数据,用一个两区制的马尔科夫转移模型来划分中国股票市场的牛熊市周期,然后应用probit模型研究牛市状态产生受哪些因素的影响,进而预判牛熊市状态转换,文章研究表明,股市的"牛熊"状态转换主要受A股月度开户数、CPI、M2、人民币有效汇率、人民币存款基准利率的影响较为明显。(本文来源于《中国集体经济》期刊2019年25期）
崔金鑫,邹辉文[6]（2019）在《基于EWT-PSO-SVM误差校正组合模型的中国股市预测研究》一文中研究指出鉴于股市预测的复杂性.遵循"先分解后集成"的总体建模思路.文章基于EWT分解算法和SVM支持向量机模型.同时结合PSO粒子群优化算法和误差校正组合预测方法,构建了一种中国股票市场建模及预测的EWT-PSO-SVM误差校正组合预测模型.先基于EWT算法将原始价格序列分解成若干分量,再根据频率将其重组成高、中、低频3个分量,对它们分别建立PSO-SVM误差校正组合模型.最后集成各个分量的预测结果.与其他预测模型相比较,文章所构建预测模型的MSE、MAE、MAPE、RMSE、Theil不等系数、确定性系数DC和方向性指标DS 7个指标均优于其他基准预测模型,MCS检验结果同样表明本文构建模型的预测性能最优.稳健性检验结果进一步证实了文章构建的模型预测性能所具备的稳健性.(本文来源于《系统科学与数学》期刊2019年08期）
吴鑫育,王莉莉[7]（2019）在《基于高频数据的中国股市波动率预测研究》一文中研究指出文章采用上证综合指数数据,研究基于高频数据的已实现GARCH模型和已实现EGARCH模型对中国股市波动率预测能力。利用滚动时间窗方法实证比较研究模型样本内数据拟合和样本外波动率预测能力,通过损失函数计算和DM检验方法检验样本外预测能力,并在此基础上分别基于已实现GARCH模型和已实现EGARCH模型来对VaR进行测度。结果表明:相对于传统的(E)GARCH模型,高频数据的已实现GARCH模型和已实现EGARCH模型具有较好的样本内拟合和样本外预测能力,在样本外预测和VaR度量中已实现GARCH模型均优于已实现EGARCH模型,可为金融投资者和风险管理者提供理论指导。(本文来源于《东北农业大学学报(社会科学版)》期刊2019年03期）
蔡斯雨[8]（2019）在《债券价格反应对我国股市盈余公告效应的预测研究》一文中研究指出盈余公告,是公司会计信息披露的主要组成部分,作为公司经营状况的晴雨表,向市场传递了公司价值信息,投资者根据所获得的信息进行投资决策,影响着相关公司的证券价格。会计领域实证研究的开山鼻祖Ball和Brown,通过发现股市中盈余公告效应,得出会计盈余具备信息含量的结论,拉开了会计学科科学化的历史巨幕。盈余公告效应的存在,表明股票价格没有迅速消化吸收公司盈余信息,而会随着时间逐渐吸收。根据上交所2017年统计年鉴数据显示,个人投资者持股户数占比达到99.78%,买卖交易占比达到82.01%,个人投资者参与市场交易高度活跃,中国股市为个人投资者所主导。相对股票市场,我国债券市场以机构投资者为主,富有经验、专业能力、拥有资源优势等的机构投资者更好地掌握与解读市场中的信息,调整其资产配置,这会使债券价格更迅速有效地反映盈余信息。那么,在盈余公告公布后,债券价格反应就应具备预测逐渐吸收盈余信息的股票价格,本文将对这种预测能力进行详细研究。通过对相关文献的梳理与总结,回顾了我国债券市场的发展历程,本文从债券角度切入,以有效市场假说、行为金融学理论、信息不对称理论以及注意力理论作基础,分析了债券价格反应对股市盈余公告效应预测以及影响预测能力的信用评级和机构持股的作用机理,并且提出相应假设,为实证检验提供充分理论基础。选取我国2011-2017年具备债券关联A股股票的上市公司作样本,检验了债券超额收益对于关联股票盈余公告后的累计异常收益的预测能力。本文研究发现,盈余公告前1日至后1日债券超额收益率的变动可以预测公告公布后窗口期(2,41)的股票累计异常收益,同时这种预测能力不会因为盈余信息的好坏而存在显着的差异;接着,基于似无相关模型SUR的检验后,信用评级负向影响债券价格反应的预测能力,即上市公司的信用评级越低,债券收益对于股票累计异常收益的预测能力越强,反之亦然;随后,基于费舍尔组合检验以及引入交互项,发现上市公司的机构持股比例会对债券价格反应的预测能力产生负向影响,即上市公司机构持股比例越高,债券价格反应的预测能力越弱,反之亦然;最后,考虑到季度盈余数据的自相性,构建折中化模型,进行检验年度盈余数据,结果同样支持本文命题。本文研究表明,我国被富有经验的投资者所主导的债券市场中债券价格相对于股票价格会更迅速地吸收消化盈余公告信息。(本文来源于《东北农业大学》期刊2019-06-01）
Almadhagi,Rafat,Abdullah,Qaid,Mahmood[9]（2019）在《基于R & Python的股市文本挖掘及预测研究》一文中研究指出随着网络时代的飞速发展,互联网上的财经新闻数据和股票评论信息已经成为了舆情数据的重要组成部分之一,这些非结构型文本数据中包含着许多能够对未来股市波动进行预测的情绪信息的,而这信息资讯在一定程度上能够影响投资者对未来股票市场的投资决策。本文基于文本挖掘技术和机器学习方法,利用Python语言爬取上证180(SSE 180)股市非结构化评论数据作为研究对象,利用R语言在情感字典的基础上计算每日情感指数,使用Spearman相关系数及Granger因果检验对预测模型的影响因子进行相关性分析,结合Wind数据库的收盘价和成交量等相关交易指标,构建回归模型对一定时间范围内的股票收益进行预测。基于R&Python的股市文本挖掘及预测研究的具体内容如下:1.采用网络爬虫技术获取股评文本数据,并对其进行分词、去停用词等数据预处理工作,利用文本向量化表示方法将非结构文本转换为结构型特征矩阵。在情感字典的基础上,根据每日的财经新闻计算情感指数。2.运用Spearman相关系数对新闻情绪与股市收益、收盘价和成交量的同步性、超前性和滞后性进行相关分析,通过Granger因果检验进一步验证新闻情绪值与股市收益之间的因果关系,通过脉冲响应分析及方差分解方法分析财经新闻对股票收益的贡献率。研究结果表明,新闻情绪值在滞后收盘价中接近峰值,在提前收盘价中接近最小值,新闻情绪值与股票收益之间存在双向格兰杰因果关系,在滞后期为3时,新闻情绪值对股票收益的贡献率达到了高点。3.根据支持向量回归(SVR)算法构建财经新闻与股票收益率之间的回模型预测股票收益率,结果表明SVR预测模型准确率较高,平均绝对误差为0.004。利用支持向量机(SVM)模型构建每日情感指数与股票收益之间的预测模型,实验发现SVM模型的预测准确率达到89%。(本文来源于《兰州理工大学》期刊2019-05-20）
李月鲜,王海龙[10]（2019）在《复合极值理论在股市星期效应风险预测中的应用》一文中研究指出巧妙利用数据破坏了超阀值的成串出现这个特点,又考虑到了每年股市波动程度的不同,使用复合超阀值分布Poisson-GP拟合了上证指数和深圳成指星期一到星期五的尾部分布.采用极大似然估计给出了模型的估计,利用估计结果给出了上证指数和深圳成指星期一到星期五的风险预测.(本文来源于《内蒙古大学学报(自然科学版)》期刊2019年03期）
股市预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文以上证综合指数2011年1月4日到2018年1月4日的股市行情为研究对象进行实证分析,建立了一个支持向量机回归机的预测模型。实证分析主要基于MATLAB软件嵌套Libsvm工具箱实现。实证分析结果表明,本文建立的针对股市预测的支持向量机回归机模型是有效的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
股市预测论文参考文献
[1].张冰,王传美,贺素香.改进的TSVR模型在股市高频数据上的预测[J].计算机工程与设计.2019
[2].罗文婷,徐庆娟,唐璐薇.支持向量机在股市预测中的应用[J].时代金融.2019
[3].林文豪,陈梅倩,周礼刚,孟晓旭.基于VaR-GARCH模型族的中国股市风险预测能力分析[J].统计与决策.2019
[4].朱昶胜,张翰垠,冯文芳.股市舆情潜藏情感倾向对收益率的预测研究[J].兰州理工大学学报.2019
[5].凌峰.中国股市“牛熊市”转换的预测[J].中国集体经济.2019
[6].崔金鑫,邹辉文.基于EWT-PSO-SVM误差校正组合模型的中国股市预测研究[J].系统科学与数学.2019
[7].吴鑫育,王莉莉.基于高频数据的中国股市波动率预测研究[J].东北农业大学学报(社会科学版).2019
[8].蔡斯雨.债券价格反应对我国股市盈余公告效应的预测研究[D].东北农业大学.2019
[9].Almadhagi,Rafat,Abdullah,Qaid,Mahmood.基于R&Python的股市文本挖掘及预测研究[D].兰州理工大学.2019
[10].李月鲜,王海龙.复合极值理论在股市星期效应风险预测中的应用[J].内蒙古大学学报(自然科学版).2019
论文知识图
