基于相似搜索的时间序列预测方法及其应用
发布时间：2021-05-07 23:13
时间序列是按特定时间间隔采样得到的数据点构成的序列,广泛存在于现实生活中的各种领域,股票交易数据就是典型的时间序列。对股票历史交易数据进行有效地分析具有重要的现实意义,有助于人们理解数据背后的规律和知识,为投资者辅助决策。股市具有高风险高收益的特点,对其进行预测可以降低投资风险,产生巨大的经济价值,股票价格预测一直以来都是金融时间序列分析研究中的热门课题。分析了股票市场的特点和常见的预测方法,提出了基于模式搜索的时间序列预测方法,该方法不同于传统的股票分析方法,它可以适应复杂变化的股票数据,能够对多维数据做出预测并给出置信区间。设计出一个易于使用的预测分析软件,它可以将当前股票的模式与历史数据进行对比,找出所有相似的历史数据,并以此猜测出未来的价格趋势。最后,结合真实的股票历史数据验证了系统的有效性。主要研究内容如下:（1）分析原始数据的特点,对时间序列数据、分类定义数据、事件数据进行采集并存储到文档数据库中,设计数据采集策略和逻辑存储结构。分析数据预处理的功能需求,开发了一组用于实现预处理功能的命令行工具。（2）研究常用的序列相似性度量方法和规范化方法,定义相似度得分和多维相似度,详...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 当前研究现状
1.3 主要研究内容
1.4 论文组织结构
第2章 原始数据采集与预处理
2.1 原始数据的特点
2.2 ETL工具介绍
2.3 数据采集功能实现
2.4 数据存储设计
2.4.1 数据库系统选择
2.4.2 逻辑存储结构
2.5 预处理功能需求
2.6 预处理软件实现
2.7 本章小结
第3章 基于相似搜索的预测方法
3.1 关键概念定义
3.1.1 数据集和时间序列定义
3.1.2 模式搜索定义
3.2 序列相似性度量
3.2.1 常用的度量方法
3.2.2 度量方法的选择
3.2.3 相似度得分
3.2.4 多维序列相似性度量方法
3.3 序列规范化
3.4 搜索过滤条件
3.5 时间序列相似搜索
3.5.1 一维模式搜索
3.5.2 搜索结果收集算法
3.5.3 多维模式搜索
3.5.4 数据分段并行
3.6 时间序列预测
3.6.1 多维序列预测算法
3.6.2 预测参数设置
3.7 预测效果评价方法
3.8 本章小结
第4章 对股票预测的应用研究
4.1 股票价格预测的方法
4.1.1 影响股价的因素
4.1.2 传统的预测方法
4.1.3 基于相似搜索的股价预测
4.2 股票分析软件设计
4.2.1 软件功能需求
4.2.2 系统架构
4.2.3 股票数据导入
4.3 股票分析软件应用
4.3.1 股票价格搜索和预测
4.3.2 量价组合搜索和预测
4.3.3 多股关联搜索和预测
4.3.4 预测效果评价
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于K线序列相似性搜索的股票价格预测[J]. 吕涛,郝泳涛. 计算机应用. 2017(S2)
[2]影响股票收益的基本面因子略探——基于中小板上市公司的实证分析[J]. 周亮. 金融理论与实践. 2017(02)
[3]基于RBM的神经网络时间序列预测[J]. 寇茜茜,何希平. 数学的实践与认识. 2016(09)
[4]ARIMA和RBF神经网络相融合的股票价格预测研究[J]. 俞国红,杨德志,丛佩丽. 计算机工程与应用. 2013(18)
[5]基于ARMA模型的中国农产品价格的分析与预警[J]. 罗永恒. 经济数学. 2013(01)
[6]基于ARIMA-SVM组合模型的股票价格预测[J]. 程昌品,陈强,姜永生. 计算机仿真. 2012(06)
[7]股票价格预测的建模与仿真研究[J]. 王唯贤,陈利军. 计算机仿真. 2012(01)
[8]神经网络在股票价格预测中的研究[J]. 郑睿颖,伍应环. 计算机仿真. 2011(10)
[9]基于多维形态特征表示的时间序列相似性度量[J]. 李海林,郭崇慧. 系统工程理论与实践. 2013(04)
[10]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
硕士论文
[1]形态特征计算的时序自回归股市预测算法[D]. 艾刘可.合肥工业大学 2017
[2]基于数据挖掘方法的股票预测系统[D]. 郝知远.南京理工大学 2017
[3]基于小波消噪的股票价格指数ARIMA模型拟合与预测[D]. 闫芳.江西财经大学 2016
[4]基于相似涨落模式的时间序列预测研究[D]. 汤子健.合肥工业大学 2016
[5]人工神经网络在股票预测中的应用[D]. 胡照跃.中北大学 2016
[6]匹配相似搜索研究[D]. 任建新.宁波大学 2015
[7]面向时间序列相似性的序列模式挖掘及应用[D]. 廖清科.重庆交通大学 2015
[8]基于时间序列分析技术的预测模型设计与应用[D]. 莫增文.中国科学院大学（工程管理与信息技术学院） 2014
[9]基于时间序列相似性的股价趋势预测研究[D]. 孙建乐.重庆交通大学 2014
[10]基于DTW距离的两步式时间序列相似搜索[D]. 欧阳一村.中山大学 2010
本文编号：3174220
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：85 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 研究背景及意义
1.2 当前研究现状
1.3 主要研究内容
1.4 论文组织结构
第2章 原始数据采集与预处理
2.1 原始数据的特点
2.2 ETL工具介绍
2.3 数据采集功能实现
2.4 数据存储设计
2.4.1 数据库系统选择
2.4.2 逻辑存储结构
2.5 预处理功能需求
2.6 预处理软件实现
2.7 本章小结
第3章 基于相似搜索的预测方法
3.1 关键概念定义
3.1.1 数据集和时间序列定义
3.1.2 模式搜索定义
3.2 序列相似性度量
3.2.1 常用的度量方法
3.2.2 度量方法的选择
3.2.3 相似度得分
3.2.4 多维序列相似性度量方法
3.3 序列规范化
3.4 搜索过滤条件
3.5 时间序列相似搜索
3.5.1 一维模式搜索
3.5.2 搜索结果收集算法
3.5.3 多维模式搜索
3.5.4 数据分段并行
3.6 时间序列预测
3.6.1 多维序列预测算法
3.6.2 预测参数设置
3.7 预测效果评价方法
3.8 本章小结
第4章 对股票预测的应用研究
4.1 股票价格预测的方法
4.1.1 影响股价的因素
4.1.2 传统的预测方法
4.1.3 基于相似搜索的股价预测
4.2 股票分析软件设计
4.2.1 软件功能需求
4.2.2 系统架构
4.2.3 股票数据导入
4.3 股票分析软件应用
4.3.1 股票价格搜索和预测
4.3.2 量价组合搜索和预测
4.3.3 多股关联搜索和预测
4.3.4 预测效果评价
4.4 本章小结
结论
参考文献
致谢
【参考文献】：
期刊论文
[1]基于K线序列相似性搜索的股票价格预测[J]. 吕涛,郝泳涛. 计算机应用. 2017(S2)
[2]影响股票收益的基本面因子略探——基于中小板上市公司的实证分析[J]. 周亮. 金融理论与实践. 2017(02)
[3]基于RBM的神经网络时间序列预测[J]. 寇茜茜,何希平. 数学的实践与认识. 2016(09)
[4]ARIMA和RBF神经网络相融合的股票价格预测研究[J]. 俞国红,杨德志,丛佩丽. 计算机工程与应用. 2013(18)
[5]基于ARMA模型的中国农产品价格的分析与预警[J]. 罗永恒. 经济数学. 2013(01)
[6]基于ARIMA-SVM组合模型的股票价格预测[J]. 程昌品,陈强,姜永生. 计算机仿真. 2012(06)
[7]股票价格预测的建模与仿真研究[J]. 王唯贤,陈利军. 计算机仿真. 2012(01)
[8]神经网络在股票价格预测中的研究[J]. 郑睿颖,伍应环. 计算机仿真. 2011(10)
[9]基于多维形态特征表示的时间序列相似性度量[J]. 李海林,郭崇慧. 系统工程理论与实践. 2013(04)
[10]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
硕士论文
[1]形态特征计算的时序自回归股市预测算法[D]. 艾刘可.合肥工业大学 2017
[2]基于数据挖掘方法的股票预测系统[D]. 郝知远.南京理工大学 2017
[3]基于小波消噪的股票价格指数ARIMA模型拟合与预测[D]. 闫芳.江西财经大学 2016
[4]基于相似涨落模式的时间序列预测研究[D]. 汤子健.合肥工业大学 2016
[5]人工神经网络在股票预测中的应用[D]. 胡照跃.中北大学 2016
[6]匹配相似搜索研究[D]. 任建新.宁波大学 2015
[7]面向时间序列相似性的序列模式挖掘及应用[D]. 廖清科.重庆交通大学 2015
[8]基于时间序列分析技术的预测模型设计与应用[D]. 莫增文.中国科学院大学（工程管理与信息技术学院） 2014
[9]基于时间序列相似性的股价趋势预测研究[D]. 孙建乐.重庆交通大学 2014
[10]基于DTW距离的两步式时间序列相似搜索[D]. 欧阳一村.中山大学 2010
本文编号：3174220
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3174220.html
