1、毕业设计开题报告 信息与计算科学 时间序列预测在股市预测中的应用 一、综述本课题国内外研究动态 , 说明选题的依据和意义 时间序列是一种重要的高维数据类型 , 它是由客观对象的某个物理量在不同时间点的采样值按照时间先后次序排列而组成的序列 , 在经济管理以及工程领域具有广泛应用 . 例如证券市场中股票的交易价格与交易量 、 外汇市场上的汇率 、 期货和黄金的交易价格以及各种类型的指数等 , 这些数据都形成一个持续不断的时间序列 . 利用时间序列数据挖掘 , 可以获得数据中蕴含的与时间相关的有用信息 , 实现知识的提取 1 . 时间序列 分析方法最早起源于 1927 年 , 数学家耶尔 (Yul
2、e)提出建立自回归 (AR)模型来预测市场变化的规律 , 接着 , 在 1931 年 , 另一位数学家瓦尔格 (Walker)在 AR 模型的启发下 , 建立了滑动平均 (MA)模型和自回归、滑动平均 (ARMA)混合模型 , 初步奠定了时间序列分析方法的基础 , 当时主要应用在经济分析和市场预测领域 . 20 世纪 60 年代 ,时间序列分析理论和方法迈入了一个新的阶段 , 伯格 (Burg)在分析地震信号时最早提出最大熵谱 (MES)估计理论 , 后 来有人证明 AR 模型的功率谱估计与最大熵谱估计是等效的 , 并称之为现代谱估计 . 它 克服了用传统的傅里叶功率谱分析 (又称经典谱分析
3、)所带来的分辨率不高和频率漏泄严重等固有的缺点 , 从而使时间序列分析方法不仅在时间域内得到应用 , 而且扩展到频率域内 , 得到更加广泛的应用 , 特别是在各种工程领域内应用功率谱的概念更加方便和普遍 . 到 20世纪 70年代以后 , 随着信号处理技术的发展 , 时间序列分析方法不仅在理论上更趋完善 , 尤其是在参数估计算法、定阶方法及建模过程等方面都得到了许多改进 , 进一步地迈向实用化 , 各种时间 序列分析软件也不断涌现 , 逐渐成为分析随机数据序列不可缺少的有效工具之一2 . 随着时间序列分析方法的日趋成熟 , 其应用领域越来越广泛 , 主要集中在预报预测领域 , 例如气象预报、市
4、场预测、地震预报、人口预测、汛情预报、产量预测 , 等等 . 另一个应用领域是精密测控 , 例如精密仪器测量、精密机械制造、航空航天轨道跟踪和监控 ,以及遥控遥测、精细化工控制等 . 再一个应用领域是安全检测和质量控制 . 在工程施工和维修中经常会1 出现异常险情 , 采用仪表监测和时间序列分析方法可以随 时发现问题 , 及早排除故障 , 以保证生产安全和质量要求 . 以上仅仅列举了某些应用领域 ,实际上还有许多应用 , 不胜枚举4,3 . 股票市场在中国社会经济生活中起着越来越重要的作用 . 截至 2006 年底 , 沪深两市总市值为 89403.89亿元 , 市值规模上升至全球第 10位
5、, 亚洲第 3位 . 由于中国股票市场在国民经济中的地位和作用不断提高 , 无论是从政府宏观决策层面还是从具体投资者微观层面对股票市场价格行为进行深入研究的需求都显得尤为迫切 . 股票市场价格行为一是指股票市场价格 如何变化 , 即价格是上涨还是下跌 ; 二是指价格变化的波动 , 根据资本资产定价模型 , 股票风险是决定其价格的重要因素 , 在现代财务理论里面也常以波动来代表风险 , 并以股票收益的方差或者标准差来度量 . 对股票市场价格行为进行研究 , 在宏观和微观方面都有重要的现实意义 . 从宏观 上 来看 , 政府制定干预市场政策的基础 是 深刻理解股票市场的行为与波动特征 ; 从微观
6、上 来看 , 能 影响 包括投资者在内的市场参与者 的市场投资策略 . 研究股票行为的方法或理论多种多样 , 而用时间序列预测方法来研究股票的行为是非常合适的 , 因为我们可以 通过一组股票价格的时间序列观测值来预测未来股票的走向 , 从而为我们对控制股票的行为得到理论依据 5 . 二、研究的基本内容 , 拟解决的主要问题 研究的基本内容 : 结合时间序列分析技术对时间序列进行数据挖掘，对时间序列数据进行研究 解决的主要问题 : 1. 分析了时间序列分析技术的方法和特点 2. 阐述简单平均移动法 , 趋势移动平均法 , 加权移动平均法 3. 用简单移动平均法做了股票预测 三、研究步骤、方法及措
7、施 研究步 骤 : 1 查阅相关资料 , 做好笔记 ; 2 仔细阅读研究文献资料 ; 3 在老师指导下确定整个论文的思路 , 列出论文提纲 , 撰写开题报告 ; 4 翻译英文资料 ; 5 开题报告通过后撰写毕业论文 ; 6 上交论文初稿 ; 2 7 反复修改论文 , 修改英文翻译 , 撰写文献综述 ; 8 论文定稿 . 方法、措施 : 通过到图书馆、上网等查阅收集资料 , 参考相关内容 在老师指导下 , 归纳整理各类问题 四、 参考文献 1 肖冬荣 , 王丽娜 . 基于 ARMA 模型的经济非平稳时间序列的预测分析 J. 武汉理工大学学报 : 交通科学与工程版 , 2004, 28(1): 3
8、3-34. 2 王达 , 荣冈 . 时间序列的模式距离 J. 浙江大学学报 (工学版 ), 2004, 38(7): 5-98. 3 张军 . 基于时间序列相似性的数据挖掘方法研究 D. 南京 : 东南大学 , 2006. 4 周广旭 . 一种新的时间序列分析算法及其在股票预测中的应用 J. 计算机应用 , 2005, 25(9): 2179-2181, 2184. 5 王达 ,荣冈 . 时间序列的模式距离 J. 浙江大学学报 (工学版 ), 2004, 38(7): 795-798. 6 Dong Xiaoli,Gu Chengkui,Wang Zhengou.Research on shape-based time series similaritymeasure J. Dianzi Yu Xinxi Xuebao, 2007, 29(5): 1228-1231.
