基于改进回声状态神经网络的个股股价预测

当今社会股价预测是研究的热门问题,人们越来越关注对股价预测模型的建立,提高股价预测的精度对股票投资者有实际的应用价值.目前股价的预测方法层出不穷,其中较为典型的有传统的技术分析和ARMA模型等.为了提升预测的精度,同时考虑到股市的非线性,本文提出一种改进的回声状态神经网络的个股股价预测模型,针对回声状态神经网络(ESN)泛化能力不强的特点,应用改进的粒子群算法(GTPSO)对回声状态神经网络(ESN)的输出连接权进行搜索,最终得到最优解,即ESN的最优输出连接权,GTPSO算法概括来说就是在传统粒子群算法(PSO)的基础上引入禁忌搜索算法(TS)中禁忌的思想和遗传算法(GA)中变异的思想,从而降低PSO在学习过程中陷入局部最小值的状况,同时提高PSO搜寻全局的能力.将预测模型用于个股每日收盘价预测中,使用每10天的收盘价预测第11天的收盘价.通过实验验证了模型的正确性,实验证实,该模型拥有较好的预测效果.

TS模糊模型在个股股价预测中的应用研究

个股价格短期内的变化量一般可通过股票技术指标间接反映出来,且这些指标间有着一定的相关性;另外,股票价格模型具有Takagi-Sugeno(TS)模糊模型所研究问题的非线性、时变性特点,基于此,本研究将TS模糊模型与分析出的股票常用技术指标相结合进行股价预测。结果显示预测出的价格与股票实际价格近似一致,精度高,因此研究具有一定的实用价值。

个股股价波动的统计模型分析

股票投资的风险既包括整个股票市场波动引起的系统性风险,也有个股自身因素带来的非系统风险,股票投资者在关注代表股票市场价格总体水平的股票市场指数波动的同时,更关注个股股价的波动。本文试将统计分析方法运用于个股股价波动分析,采用经济计量分析方法,建立个股股价波动的中短期预测模型,来揭示个股股价波动的形式、特征和规律,为投资者作出合理的投资决策提供更多的依据。

浅析股票价格预测模型在个股股价预测方面的应用--以同仁堂股票为例

股票投资的风险既包括整个股票市场波动引起的系统性风险，也有个股自身因素带来的非系统风险，股票投资者在关注代表股票市场价格总体水平的股票市场指数波动的同时，更关注个股股价的波动。该文试将期权定价模型及数值方法运用于个股股价波动分析，采用伊藤过程模拟股票价格公式，通过假定股票价格服从对数正态分布，建立个股股价波动的中短期预测模型，来揭示个股股价波动的形式、特征和规律，为投资者作出合理的投资决策提供更多的依据。

看跌期权式担保对中国股票市场的影响——理论研究与实证分析

我国股市中有一个独特的现象,公司上市后很少退市,即使上市公司达到退市标准,也可以通过政府出面或利用政府的作用将某些优质资产注入到上市公司的“壳”中,以保证上市公司股票继续在股票市场中交易。这种现象的实际效果犹如投资者购买股票的同时也获得了政府给予投资者的一份类似看跌期权的看跌担保。本文利用模型和实证分析的方法,研究了我国股市中这种看跌担保对上市公司股票价格、市场投机者的行为和投资收益的影响,分析了退市的数量标准在减少看跌担保对股价影响方面所起的作用。

“盘口+数据”抓住主力动向

个股的上升一般由两个因素影响,一是大盘走好,促进股价上升;二是主力资金介入导致股价上升。而股价突然的暴涨往往只有一个原因。