混沌時間序列預測股票

⑴ 證券公司中預測股票行情用的什麼軟體或者是方法計量經濟學在證券從業人員看來有用嗎

預測股票行情？談何容易。股票的價格是不能預測的。很多分析軟體，比如大智慧等，自稱能預測股票價格，它的核心原理是將股票的「道氏理論」量化，以往的道氏理論是純圖像的，而這些軟體它將圖像信息量化成數字信息，然後給炒股的人一些建議。但實際上，這是不可能的。根據有效市場理論，股票的價格反映的是當時的信息，而如果無法預測會出現什麼信息的話，就無法預測股價。一個軟體，如何去預測未來會發生什麼呢？那些標榜自己能預測股價的軟體基本上是騙人。它頂多不多是利用股市暫時的不穩定，賺取少得可憐的一點點蠅頭小利。

外國的投資大亨們也在預測股價，他們的方法要高明得多，他們使用一種時間序列分析，你去搜ARCH或者GARCH，這就是他們採用的方法。不過外國人現在已不再單純預測股票價格，他們預測的是股票的波動，然後選擇一個對沖組合來賺取利潤。
計量經濟學本身還是有用的，ARCH或者GARCH就屬於時間序列分析的一種，但指望單純地使用它就能獲利，那就犯錯了。國內的證券從業人員基本上不使用這方法，一般的經紀人不懂這個，而有名的分析師則要不有內幕消息（提前知道了別人在未來才能知道的消息），要不就是分析宏觀經濟走勢然後分析受宏觀經濟走勢影響某些產業估計會往好/不好方向發展，以此得出股價走勢的預測。對於後者，如果你讓告訴你下個時刻股價，他絕對做不到，他只是能判斷大體的走勢。

⑵ 用libsvm做時間序列預測，為什麼訓練數據越少越准確

樓主的說法似乎不太對

---

首先，訓練數據的主要區別是什麼是測試數據：

最後，如果像預測股票價格一切都那樣簡單，那麼就不需要這么多機器學習和金融專家才能進行高頻交易。

⑶ 應用計量經濟學時間序列分析在股票預測上有多大的作用

作用沒有想像中的大，你可以用股票的滯後變數來進行回歸分析，滯後2~3期就夠了，不過數據必須具體點，最好細分到每季度、每月的上證指數，還有時間上怎麼也要十年左右吧！

我以前在論文附錄中做過分析，數據都是自己按季度整理的，挺麻煩的呢，如果需要的話就發給你~

還有就是，我覺得寫關於股票的預測方面的實際用處並不是很大，畢竟股票的影響因素太多，單單的憑藉以前的走勢而預期太不好了。。我自己也炒股票，就像那些macd、kdj之類的指標根本就起不到太大的作用，如果那個能預期的話，股市豈不就成了提款機了？現在你做的這個就像是那些指標一樣，要知道，股市是活的，人是活的，而指標確實死的！說這么多的意思就是股市不是能簡單預測的，你做的那個用處不大。。

如果你想做的話，建議換個題目，我當時的寫的是對弗里德曼的貨幣需求理論在中國市場的分析。你可以寫寫貨幣供應量對通貨膨脹的時滯性，分析下在我國市場的滯後期大概是多少~數據在國家統計局和中國人民銀行都可以找到的，樣本空間一定要足夠大，在對滯後變數分析時候主要考慮各自的T檢驗是否通過，一般從通過之後大概就是那個的滯後期！這個比較直接反而有些許用處~
要是能分析出國家的一般性政策對實體市場的影響就更好了，更有用了~

呵呵，以上只是自己的建議~有什麼其他的問題就給我留言吧~

⑷ 李松的發表論文

2011年
[58] Prediction of Railway Freight Volumes Based on AdaBoost_BP Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收錄：
[57] Fault Diagnosis of Transformer Based on Probabilistic Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收錄：
[56] 遺傳演算法優化BP神經網路的短時交通流混沌預測[J]．控制與決策，2011，Ei 收錄：
[55] AdaBoost_BP神經網路在鐵路貨運量預測中的應用[J]．計算機工程與應用，2011，47（4）：
[54] 遺傳演算法優化BP神經網路的混沌時間序列預測[J]．計算機工程與應用，2011，47（4）：236-239
[53] 中國大型連鎖超市市場營銷問題與對策[J]．改革與戰略，2011，（2）：
2010年
[52] 基於廣義回歸神經網路的鐵路貨運量預測[J]．鐵道運輸與經濟，2010，（12）：
[51] 基於遺傳演算法優化混沌神經網路的股票指數預測[J]．商業研究，2010，（11）：10-13
[48] Transformation of Chaos in Traffic Flow Based on Distance Headway[C]. //Proceeding of the ICICTA Conference. Changsha,China,2010,vol.3,pp.1095-1098,Ei 收錄：20103413173365
[47] Optimization of the VRP with Single Depot Based on Vehicle Coordination Strategy[C]. //Proceeding of the ICICTA Conference. Changsha,China,2010,vol.2,pp.862-865,Ei 收錄：20103413169795
[46] 提高員工滿意度的薪酬管理策略[J]．中國經貿導刊，2010（5）：63
[45] 公路運輸型物流企業發展策略[J]．綜合運輸，2010（2）：49-52
[44] 基於交通流灰色關聯熵的交通流無序轉化研究[J]．武漢理工大學學報（交通科學與工程版），2010（1）：
[43] 城市交叉路口交通流傳遞函數模型研究[J]．計算機工程與應用，2010，46（4）：236-239
2009年
[41] 中國第三方物流企業存在的問題與對策[J]．物流科技，2009，32（10）：47-49
[40] 中國應急物流運作流程存在的問題與對策[J]．綜合運輸，2009，（6）：41-44
[39] 企業物流成本管理問題與對策[J]．會計之友，2009，11（中）：32-33
[38] 混沌時間序列預測模型的比較研究[J]．計算機工程與應用，2009，45（32）：53-56
[37] 短時交通流混沌預測方法的比較[J]．系統工程，2009，27（9）：60-64
[36] A Study on Chaos in the Traffic Flow Based on the Coupled Map Model[C]. // Proceeding of the ICMTMA Conference. Changsha,China,2009,450-453，Ei 收錄：20094712476582
[35] 模擬交通流混沌轉化過程研究[J]．計算機工程與應用，2009，45（5）：232-235
2008年
[34] A Measuring Model of Disorder Motion in Traffic Flow Based on Traffic Entropy[C]. //Proceeding of the ICICTA Conference. Changsha,China,2008,203-208，Ei 收錄：20090111822242
[32] 基於改進禁忌搜索演算法的車輛路徑優化[J]．鐵道運輸與經濟，2008（5）：
[31] 基於SWEEP方法的改進車輛路徑協作策略研究[J]．系統工程與電子技術，2008（3）：48-51，Ei 收錄：20081811231798
2007年
[30] 車頭間距與高速公路交通流混沌[J]．西南交通大學學報，2007，42（3）：304-308，Ei 收錄：20072910702234
[29] Chaos Characteristics of Expressway Traffic Flow[J]. Journal of Highway and Transportation Research and Development,2007,2（1）：
[28] 基於跟馳模型的交通流混沌轉化影響因素的模擬研究[J]．公路交通科技，24（12）：104-108
[27] 一種基於交通熵的交通流無序度量方法[J]．公路交通科技，2007（11）：92-95
[26] 基於元胞自動機模型的交通流混沌模擬研究[J]．計算機工程與應用，2007，43（32）：
[25] 單車場大規模車輛路徑優化問題研究[J]．鐵道運輸與經濟，2007（11）：
[24] 基於混合禁忌搜索演算法的物流配送路徑優化問題研究[J]．鐵道運輸與經濟，2007（3）：
[23] 高職院校課程考試改革的實踐與探索[J]．河北軟體職業技術學院學報。2007（3）：
2006年
[22] 基於最大Lyapunov指數改進演算法的交通流混沌判別[J]．武漢理工大學學報（交通科學與工程版），2006（5）：747-750，Ei 收錄：20070310362559
[21] 高速公路交通流混沌特性研究[J]．公路交通科技，2006（10）
[20] 灰色季節變動指數模型GSV（1，1）在農村用電量預測中的應用[J]．中國電力，2006（6）
[19] 基於交易費用理論的虛擬物流企業效率邊界分析[J]．鐵道運輸與經濟，2006（6）
[18] 基於改進型灰色GM模型的用電量預測方法研究[J]．用電需求側管理，2006（5）
[17] 基於AHP和模糊評判的供應鏈合作夥伴的選擇[J]．企業經濟，2006（1）
[16] 面向農機製造業的虛擬物流中心運輸商選擇策略研究[J]．中國農機化，2006（4）
[15] 基於交易費用理論的虛擬物流企業形成機理研究[J]．物流科技，2006，29（9）
[14] 虛擬物流企業形成動因的經濟學分析[J]．物流技術，2006（8）
[13] 不確定條件下投資戰略期權博弈分析[J]．西安電子科技大學學報（社科版），2006（2）
[12] 基於均值回復的實物期權戰略投資分析[J]．中國農機化，2006（5）
[11] 中國中小企業發展戰略定位與選擇研究[J]．河北軟體職業技術學院學報，2006（1）
[10] 中國電力二次設備行業中小企業發展戰略定位與選擇[J]．河北軟體職業技術學院學報，2006（3）
2005年
[9] 跟馳模型的交通流混沌轉化現象的模擬[J]．系統工程，2005（10）
[8] 基於AHP的教師教學質量的模糊評判[J]．中國職業技術教育，2005（30）
[7] 基於AHP的製造企業供應鏈合作夥伴的選擇方法研究[J]．組合機床與自動化加工技術，2005（11）
[6] 中國中小企業核心競爭力的影響因素分析[J]．廣東經濟管理學院學報，2005（4）
[5] 中國中小企業發展狀況分析[J]．湖北經濟學院學報（人文社科版），2005（7）
[4] 中國高科技中小企業發展狀況分析[J]．河北軟體職業技術學院學報，2005（1）
[3] 中國中小企業核心競爭力分析[J]．河北軟體職業技術學院學報，2005（2）
[2] 基於AHP的高校教師教學質量評估方法研究[J]．河北軟體職業技術學院學報，2005（4）
[1] 公平理論在企業薪酬管理中的應用[J]．河北工程技術職業學院學報，2004（4）

⑸ 股票的預測模型有哪些

如果不看技術分析，你可以看下經典的股票估值模型，分為絕對估值和相對估值。
絕對估值主要有DDM和DCF，相對估值就是用PE、PEG、EV/EBITDA等進行估值。

再就是具體問題具體分析了，比如無套利均衡分析。特殊的模型，像期權定價，時間序列分析，Monte Carlo simulation等,要麼直接套用現成的，要麼根據已有數據自己構建，專業軟體里都有操作，沒有完全准確的預測方法。

⑹ 在用時間序列分析股票時，如果連續兩天收盤價一樣，為什麼要剔除一天的數據

同一收盤價影響相同

⑺ 哪種時間序列分析法可以用了分析股票

斐波那契算嗎

⑻ 如何用Arma模型做股票估計

時間序列分析是經濟領域應用研究最廣泛的工具之一,它用恰當的模型描述歷史數據隨時間變化的規律,並分析預測變數值。ARMA模型是一種最常見的重要時間序列模型,被廣泛應用到經濟領域預測中。給出ARMA模型的模式和實現方法,然後結合具體股票數據揭示股票變換的規律性,並運用ARMA模型對股票價格進行預測。
選取長江證券股票具體數據進行實證分析
1.數據選取。
由於時間序列模型往往需要大樣本,所以這里我選取長江證券從09/03/20到09/06/19日開盤價,前後約三個月,共計60個樣本,基本滿足ARMA建模要求。
數據來源:大智慧股票分析軟體導出的數據(股價趨勢圖如下)
從上圖可看出有一定的趨勢走向,應為非平穩過程,對其取對數lnS,再觀察其平穩性。
2.數據平穩性分析。
先用EVIEWS生成新序列lnS並用ADF檢驗其平穩性。
(1)ADF平穩性檢驗,首先直接對數據平穩檢驗,沒通過檢驗,即不平穩。
可以看出lnS沒有通過檢驗,也是一個非平穩過程,那麼我們想到要對其進行差分。
(2)一階差分後平穩性檢驗,ADF檢驗結果如下,通過1%的顯著檢驗,即數據一階差分後平穩。
可以看出差分後,明顯看出ADF Test Statistic 為-5.978381絕對值是大於1%的顯著水平下的臨界值的,所以可以通過平穩性檢驗。
3.確定適用模型,並定階。可以先生成原始數據的一階差分數據dls,並觀測其相關系數AC和偏自相關系數PAC,以確定其是為AR,MA或者是ARMA模型。
(1)先觀測一階差分數據dls的AC和PAC圖。經檢驗可以看出AC和PAC皆沒有明顯的截尾性,嘗試用ARMA模型,具體的滯後項p,q值還需用AIC和SC具體確定。
(2)嘗試不同模型,根據AIC和SC最小化的原理確定模型ARMA(p,q)。經多輪比較不同ARMA(p,q)模型,可以得出相對應AIC 和 SC的值。
經過多次比較最終發現ARMA(1,1)過程的AIC和SC都是最小的。最終選取ARIMA(1,1,1)模型作為預測模型。並得出此模型的具體表達式為:
DLS t = 0.9968020031 DLS (t-1)- 1.164830718 U (t-1) + U t
4.ARMA模型的檢驗。選取ARIMA(1,1,1)模型,定階和做參數估計後,還應對其殘差序列進行檢驗,對其殘差的AC和Q統計檢驗發現其殘差自相關基本在0附近,且Q值基本通過檢驗,殘差不明顯存在相關,即可認為殘差中沒有包含太多信息,模型擬合基本符合。
5.股價預測。利用以上得出的模型,然後對長江證券6月22日、23日、24日股價預測得出預測值並與實際值比較如下。
有一定的誤差,但相比前期的漲跌趨勢基本吻合,這里出現第一個誤差超出預想的是因為6月22日正好是禮拜一,波動較大,這里正驗證了有研究文章用GARCH方法得出的禮拜一波動大的結果。除了禮拜一的誤差大點,其他日期的誤差皆在接受范圍內。
綜上所述,ARMA模型較好的解決了非平穩時間序列的建模問題,可以在時間序列的預測方面有很好的表現。藉助EViews軟體,可以很方便地將ARMA模型應用於金融等時間序列問題的研究和預測方面,為決策者提供決策指導和幫助。當然,由於金融時間序列的復雜性,很好的模擬還需要更進一步的研究和探討。在後期,將繼續在這方面做出自己的摸索。

⑼ 非平穩時間序列可以預測股票走勢嗎

一般把非平穩時間序列轉化為平穩時間序列的方法是取n階差分法。

比如舉個例子，假設xt本身是不平穩的時間序列，如果xt～I(1) ,也就是說x的1階差分是平穩序列。
那麼 xt的1階差分dxt=x(t)-x(t-1) 就是平穩的序列 這時dt=x(t-1)

如果xt～I(2)，就是說xt的2階差分是平穩序列的話
xt的1n階差分dxt=x(t)-x(t-1) 這時xt的1階差分依然不平穩，
那麼 對xt的1階差分再次差分後，
xt的2階差分ddxt=dxt-dxt（t-1）便是平穩序列 這時dt=-x(t-1)-dxt（t-1）

n階的話可以依次類推一下。

⑽ 時間序列在股市有哪些應用

時間序列分析在股票市場中的應用
摘要
在現代金融浪潮的推動下,越來越多的人加入到股市,進行投資行為,以期得到豐厚的回報,這極大促進了股票市場的繁榮。而在這種投資行為的背後,越來越多的投資者逐漸意識到股市預測的重要性。
所謂股票預測是指:根據股票現在行情的發展情況地對未來股市發展方向以及漲跌程度的預測行為。這種預測行為只是基於假定的因素為既定的前提條件為基礎的。但是在股票市場中,行情的變化與國家的宏觀經濟發展、法律法規的制定、公司的運營、股民的信心等等都有關聯,因此所謂的預測難於准確預計。
時間序列分析是經濟預測領域研究的重要工具之一,它描述歷史數據隨時間變化的規律,並用於預測經濟數據。在股票市場上,時間序列預測法常用於對股票價格趨勢進行預測,為投資者和股票市場管理管理方提供決策依據。