利用鬆弛變量核密度估計方法預測股票指數

Translated title of the thesis: Forecasting stock indices with relaxed variable kernel density estimation
  • 林 靖荃

Student thesis: Master's Thesis

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 Award2014 Aug 22
Original languageChinese
SupervisorTien-Hao Chang (Supervisor)

Cite this

利用鬆弛變量核密度估計方法預測股票指數
靖荃, 林. (Author). 2014 Aug 22

Student thesis: Master's Thesis