一种改进的灰色模型在股票价格预测中的应用

灰色理论可以较好地对股票价格进行预测,而建立灰色预测模型的数据量和数据处理方法的选择是成功地进行股票价格灰色预测的两个关键问题。本文提出了基于黄金分割法改进的股票价格灰色预测GM(1,1)模型,并通过实例验证了该模型能显著地提高预测精度,具有较高的应用价值。     

一种改进的灰色模型宅殳票价格预测中的应月

灰色理论可以较好地对股票价格进行预测，而建立灰色预测模型的数据量和数据处理方法的选择是成功地进行股票价格灰色预测的两个关键问题。本文提出了基于黄金分割法改进的股票价格灰色预测GM（1，1）模型，并通过实例验证了该模型能显著地提高预测精度，具有较高的应用价值。     

行业与个股新闻对股票价格影响的定量分析

本文提出了挖掘新闻文本预测股票价格系统,引入情感分类评价理论,将新闻文本转化为结构化数据,建立机器学习模型分析互联网新闻对股票价格的影响。研究主要采用了支持向量机、贝叶斯算法以及粗糙集组合模型分别对行业新闻和个股新闻进行预测。研究发现新闻信息样本的数量和质量会影响预测的准确度;证券行业中个股新闻影响度大于行业新闻;粗糙集组合模型更能准确地预测行业股价的走势。     

灰色预测在股票预测中的应用

对股票价格的预测,直接影响投资者的投资决策,与投资者的经济利益密切相关。股票市场特有的波动性和不确定性,给股票的预测带来困难。灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色系统是介于白色系统和黑色系统之间的一种系统,应用于股市预测的探索已经取得一定成就。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

基于BP神经网络模型的股票价格研究

本文将BP神经网络模型与主成分分析法和遗传算法相结合,建立了预测股票价格变化的动态PCA-GA-BP模型。该模型能改善BP神经网络模型运算速度缓慢和易陷入局部最小值的缺点,弥补传统股票价格预测方法的不足。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

利用上证综指大盘数据预测新疆板块股价走势——基于二元Logit回归模型

股票价格的走势会影响到上市公司未来的发展以及投资者决策。基于二元Logit回归模型,利用上证综指大盘数据预测新疆板块股票价格走势。实证结果表明:上证综指收盘价和交易金额对新疆板块股票价格的影响是显著的,并且利用所建立的Logit模型对新疆板块股票价格走势的预测较为准确。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标.股票价格的波动可以分解为波动幅度和波动方向.由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益.价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测.本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题.     

组合预测模型在期货预测中的应用——基于灰色关联度

基于传统的GM（1,1）灰色预测模型,为了综合运用新老信息,采用等维递补的方法得到单个灰色预测模型,然后基于改进的灰色关联度这一相关性指标来确定权重,提出了一种组合预测模型.应用该模型对菜粕期货价格进行预测,预测结果表明该模型是有效的.     

基于改进灰色模型的物流成本预测研究

物流成本的正确预测有助于合理分配现有资源,提升物流成本效益。为了克服传统灰色模型预测精度低的缺陷,通过引入将阶跃函数改进传统灰色模型,提升灰色模型预测精度。利用历年我国物流总费用数据,对未来年物流成本和灰色预测模型的精度进行预测,将预测结果与简单平均法、移动平均法、指数平滑法和传统灰色模型进行比较,验证模型的合理性和有效性。     

基于改进灰色模型在电力负荷预测中的应用

在电力负荷预测中,灰色GM(1,1)模型比较有效,但在实践中由于电力负荷情况的复杂性和多样性,改模型还是存在一点的问题,比如,预测误差较大,精度不能满足要求.为满足电力事业的发展,对灰色GM(1,1)模型进行必要的改进,利用等维新信息递推模型进行负荷预测,通过实例分析表明,可提高预测的精度.     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

基于ARMA模型和灰色预测模型的短期客流量预测比较研究

分析了城市公交客流特征,提出短期客流量预测的必要性.分别用ARMA模型以及灰色预测GM(1,1)对上海市59路五角场站客流量进行了短期预测,并比较了两种模型的预测精度,提出可行性建议.     

ARCH-M模型在上证股价波动中的实证研究

股票价格的频繁波动是股票市场最明显的特征之一。本文利用ARCH-M模型对上证日收盘价序列进行了分析和实证研究,结果表明上证股价指数存在条件异方差特性,并表现出非正态性。然后用该模型对上证日收盘价进行了短期预测,结果表明该模型能够较好地反映上证股价指数的变化特征。     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

基于灰色理论的一手房成交量预测及其综合分析

房地产成交量受多种因素影响,既有宏观因素,又有微观因素;既有确定性因素又有不确定性因素.文中运用灰色理论原理,把广州市十区一手房成交量看作一个灰色系统,以2009年上半年作为时间数据系列,建立灰色GM(1,1)预测模型,利用Matlab软件对一手房成交量未来走势进行预测,并对所建模型进行残差检验,相对误差、精度、后验差比值均为一级.因此,可以运用所建模型对一手房成交量进行预测.从模型预测的结果看,成交量在未来呈上升趋势.     

南岳旅游地客源预测模型及其对比研究

采用灰色模型对南岳景区旅游客源市场进行了定量分析,并与直线趋势模型和指数趋势模型进行了比较,发现处于成熟期的旅游地客源预测用灰色模型具有较高精度,预测方法对南岳旅游地客源市场预测具有一定参考价值。     

公路工程造价指数分析与预测

本文运用多元回归模型分析了工程造价指数的影响因素及影响程度，运用逼近中心式灰色模型对工程总价格指数进行了预测，最后以实际工程为例进行了验证，证明逼近中心式灰色模型预测精度高，预测效果好。     

上市公司财务指标与股票价格的典型相关分析

利用统计和计量方法对上市公司财务状况进行分析,进而找出与股票价格的关系,其思路主要是通过建立财务指标同相对应的股票价格的回归模型,最终利用显著性检验分析不同财务指标对股价的影响力.然而单纯的回归模型在财务指标选取时,往往受限于回归模型的多重共线性问题,因此基于某一财务能力指标建立模型评价财务能力与股票价格之间的关系是片面的.本文则试图利用典型相关分析方法针对反映某一财务能力的一组指标与股票价格之间的关系,来更准确地发现股价与公司财务能力的相关性,为投资者决策提供依据.