利用鬆弛變量核密度估計方法預測股票指數

Abstract

股票價格的時間序列具有動態、非線性和混沌性質。股票市場受多種因素的影響，預測股價或股價指數，因為受到多種因素的影響，通常會有很大的誤差。在本文中，我們預測上海綜合指數（Shanghai Composite Index SCI）、標準普爾500指數（Standard & Poor's 500 Index S&P 500）與日經225指數（Nikkei 225 Index），從1993年1月至2009年12月的每月收盤價格。 我們發現股價長期走勢明顯時，將預測目標從上海綜合指數改為上海綜合指數變化百分比，會有明顯較好的預測效果。當特徵向量加入中國的三大主要出口國的股價指數變化百分比時，上海綜合指數變化百分比預測效果略為進步。當使用鬆弛變量核密度估計方法（relaxed variable kernel density estimator RVKDE）時，相較支援向量機（support vector machine SVM）與類神經網路（neural network）預測效果較佳。 我們同時做強健度測試，將預測目標從標準普爾500指數改為標準普爾500指數變化百分比後，預測效果明顯進步。當使用鬆弛變量核密度估計方法（relaxed variable kernel density estimator RVKDE）時，相較支援向量機（support vector machine SVM）與類神經網路（neural network）預測效果較佳。 將預測目標從日經225指數改為日經225指數變化百分比後，預測效果明顯進步。當使用鬆弛變量核密度估計方法（relaxed variable kernel density estimator RVKDE）時，相較支援向量機（support vector machine SVM）與類神經網路（neural network）預測效果較佳。

Date of Award	2014 Aug 22
Original language	Chinese
Supervisor	Tien-Hao Chang (Supervisor)