混沌时间序列预测股票

⑴ 证券公司中预测股票行情用的什么软件或者是方法计量经济学在证券从业人员看来有用吗

预测股票行情？谈何容易。股票的价格是不能预测的。很多分析软件，比如大智慧等，自称能预测股票价格，它的核心原理是将股票的“道氏理论”量化，以往的道氏理论是纯图像的，而这些软件它将图像信息量化成数字信息，然后给炒股的人一些建议。但实际上，这是不可能的。根据有效市场理论，股票的价格反映的是当时的信息，而如果无法预测会出现什么信息的话，就无法预测股价。一个软件，如何去预测未来会发生什么呢？那些标榜自己能预测股价的软件基本上是骗人。它顶多不多是利用股市暂时的不稳定，赚取少得可怜的一点点蝇头小利。

外国的投资大亨们也在预测股价，他们的方法要高明得多，他们使用一种时间序列分析，你去搜ARCH或者GARCH，这就是他们采用的方法。不过外国人现在已不再单纯预测股票价格，他们预测的是股票的波动，然后选择一个对冲组合来赚取利润。
计量经济学本身还是有用的，ARCH或者GARCH就属于时间序列分析的一种，但指望单纯地使用它就能获利，那就犯错了。国内的证券从业人员基本上不使用这方法，一般的经纪人不懂这个，而有名的分析师则要不有内幕消息（提前知道了别人在未来才能知道的消息），要不就是分析宏观经济走势然后分析受宏观经济走势影响某些产业估计会往好/不好方向发展，以此得出股价走势的预测。对于后者，如果你让告诉你下个时刻股价，他绝对做不到，他只是能判断大体的走势。

⑵ 用libsvm做时间序列预测，为什么训练数据越少越准确

楼主的说法似乎不太对

---

首先，训练数据的主要区别是什么是测试数据：

最后，如果像预测股票价格一切都那样简单，那么就不需要这么多机器学习和金融专家才能进行高频交易。

⑶ 应用计量经济学时间序列分析在股票预测上有多大的作用

作用没有想象中的大，你可以用股票的滞后变量来进行回归分析，滞后2~3期就够了，不过数据必须具体点，最好细分到每季度、每月的上证指数，还有时间上怎么也要十年左右吧！

我以前在论文附录中做过分析，数据都是自己按季度整理的，挺麻烦的呢，如果需要的话就发给你~

还有就是，我觉得写关于股票的预测方面的实际用处并不是很大，毕竟股票的影响因素太多，单单的凭借以前的走势而预期太不好了。。我自己也炒股票，就像那些macd、kdj之类的指标根本就起不到太大的作用，如果那个能预期的话，股市岂不就成了提款机了？现在你做的这个就像是那些指标一样，要知道，股市是活的，人是活的，而指标确实死的！说这么多的意思就是股市不是能简单预测的，你做的那个用处不大。。

如果你想做的话，建议换个题目，我当时的写的是对弗里德曼的货币需求理论在中国市场的分析。你可以写写货币供应量对通货膨胀的时滞性，分析下在我国市场的滞后期大概是多少~数据在国家统计局和中国人民银行都可以找到的，样本空间一定要足够大，在对滞后变量分析时候主要考虑各自的T检验是否通过，一般从通过之后大概就是那个的滞后期！这个比较直接反而有些许用处~
要是能分析出国家的一般性政策对实体市场的影响就更好了，更有用了~

呵呵，以上只是自己的建议~有什么其他的问题就给我留言吧~

⑷ 李松的发表论文

2011年
[58] Prediction of Railway Freight Volumes Based on AdaBoost_BP Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收录：
[57] Fault Diagnosis of Transformer Based on Probabilistic Neural Network[C]. //Proceeding of the ICICTA Conference. Shenzhen,China,Ei 收录：
[56] 遗传算法优化BP神经网络的短时交通流混沌预测[J]．控制与决策，2011，Ei 收录：
[55] AdaBoost_BP神经网络在铁路货运量预测中的应用[J]．计算机工程与应用，2011，47（4）：
[54] 遗传算法优化BP神经网络的混沌时间序列预测[J]．计算机工程与应用，2011，47（4）：236-239
[53] 中国大型连锁超市市场营销问题与对策[J]．改革与战略，2011，（2）：
2010年
[52] 基于广义回归神经网络的铁路货运量预测[J]．铁道运输与经济，2010，（12）：
[51] 基于遗传算法优化混沌神经网络的股票指数预测[J]．商业研究，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 收录：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 收录：20103413169795
[46] 提高员工满意度的薪酬管理策略[J]．中国经贸导刊，2010（5）：63
[45] 公路运输型物流企业发展策略[J]．综合运输，2010（2）：49-52
[44] 基于交通流灰色关联熵的交通流无序转化研究[J]．武汉理工大学学报（交通科学与工程版），2010（1）：
[43] 城市交叉路口交通流传递函数模型研究[J]．计算机工程与应用，2010，46（4）：236-239
2009年
[41] 中国第三方物流企业存在的问题与对策[J]．物流科技，2009，32（10）：47-49
[40] 中国应急物流运作流程存在的问题与对策[J]．综合运输，2009，（6）：41-44
[39] 企业物流成本管理问题与对策[J]．会计之友，2009，11（中）：32-33
[38] 混沌时间序列预测模型的比较研究[J]．计算机工程与应用，2009，45（32）：53-56
[37] 短时交通流混沌预测方法的比较[J]．系统工程，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 收录：20094712476582
[35] 仿真交通流混沌转化过程研究[J]．计算机工程与应用，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 收录：20090111822242
[32] 基于改进禁忌搜索算法的车辆路径优化[J]．铁道运输与经济，2008（5）：
[31] 基于SWEEP方法的改进车辆路径协作策略研究[J]．系统工程与电子技术，2008（3）：48-51，Ei 收录：20081811231798
2007年
[30] 车头间距与高速公路交通流混沌[J]．西南交通大学学报，2007，42（3）：304-308，Ei 收录：20072910702234
[29] Chaos Characteristics of Expressway Traffic Flow[J]. Journal of Highway and Transportation Research and Development,2007,2（1）：
[28] 基于跟驰模型的交通流混沌转化影响因素的仿真研究[J]．公路交通科技，24（12）：104-108
[27] 一种基于交通熵的交通流无序度量方法[J]．公路交通科技，2007（11）：92-95
[26] 基于元胞自动机模型的交通流混沌仿真研究[J]．计算机工程与应用，2007，43（32）：
[25] 单车场大规模车辆路径优化问题研究[J]．铁道运输与经济，2007（11）：
[24] 基于混合禁忌搜索算法的物流配送路径优化问题研究[J]．铁道运输与经济，2007（3）：
[23] 高职院校课程考试改革的实践与探索[J]．河北软件职业技术学院学报。2007（3）：
2006年
[22] 基于最大Lyapunov指数改进算法的交通流混沌判别[J]．武汉理工大学学报（交通科学与工程版），2006（5）：747-750，Ei 收录：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] 灰色季节变动指数模型GSV（1，1）在农村用电量预测中的应用[J]．中国电力，2006（6）
[19] 基于交易费用理论的虚拟物流企业效率边界分析[J]．铁道运输与经济，2006（6）
[18] 基于改进型灰色GM模型的用电量预测方法研究[J]．用电需求侧管理，2006（5）
[17] 基于AHP和模糊评判的供应链合作伙伴的选择[J]．企业经济，2006（1）
[16] 面向农机制造业的虚拟物流中心运输商选择策略研究[J]．中国农机化，2006（4）
[15] 基于交易费用理论的虚拟物流企业形成机理研究[J]．物流科技，2006，29（9）
[14] 虚拟物流企业形成动因的经济学分析[J]．物流技术，2006（8）
[13] 不确定条件下投资战略期权博弈分析[J]．西安电子科技大学学报（社科版），2006（2）
[12] 基于均值回复的实物期权战略投资分析[J]．中国农机化，2006（5）
[11] 中国中小企业发展战略定位与选择研究[J]．河北软件职业技术学院学报，2006（1）
[10] 中国电力二次设备行业中小企业发展战略定位与选择[J]．河北软件职业技术学院学报，2006（3）
2005年
[9] 跟驰模型的交通流混沌转化现象的仿真[J]．系统工程，2005（10）
[8] 基于AHP的教师教学质量的模糊评判[J]．中国职业技术教育，2005（30）
[7] 基于AHP的制造企业供应链合作伙伴的选择方法研究[J]．组合机床与自动化加工技术，2005（11）
[6] 中国中小企业核心竞争力的影响因素分析[J]．广东经济管理学院学报，2005（4）
[5] 中国中小企业发展状况分析[J]．湖北经济学院学报（人文社科版），2005（7）
[4] 中国高科技中小企业发展状况分析[J]．河北软件职业技术学院学报，2005（1）
[3] 中国中小企业核心竞争力分析[J]．河北软件职业技术学院学报，2005（2）
[2] 基于AHP的高校教师教学质量评估方法研究[J]．河北软件职业技术学院学报，2005（4）
[1] 公平理论在企业薪酬管理中的应用[J]．河北工程技术职业学院学报，2004（4）

⑸ 股票的预测模型有哪些

如果不看技术分析，你可以看下经典的股票估值模型，分为绝对估值和相对估值。
绝对估值主要有DDM和DCF，相对估值就是用PE、PEG、EV/EBITDA等进行估值。

再就是具体问题具体分析了，比如无套利均衡分析。特殊的模型，像期权定价，时间序列分析，Monte Carlo simulation等,要么直接套用现成的，要么根据已有数据自己构建，专业软件里都有操作，没有完全准确的预测方法。

⑹ 在用时间序列分析股票时，如果连续两天收盘价一样，为什么要剔除一天的数据

同一收盘价影响相同

⑺ 哪种时间序列分析法可以用了分析股票

斐波那契算吗

⑻ 如何用Arma模型做股票估计

时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,被广泛应用到经济领域预测中。给出ARMA模型的模式和实现方法,然后结合具体股票数据揭示股票变换的规律性,并运用ARMA模型对股票价格进行预测。
选取长江证券股票具体数据进行实证分析
1.数据选取。
由于时间序列模型往往需要大样本,所以这里我选取长江证券从09/03/20到09/06/19日开盘价,前后约三个月,共计60个样本,基本满足ARMA建模要求。
数据来源:大智慧股票分析软件导出的数据(股价趋势图如下)
从上图可看出有一定的趋势走向,应为非平稳过程,对其取对数lnS,再观察其平稳性。
2.数据平稳性分析。
先用EVIEWS生成新序列lnS并用ADF检验其平稳性。
(1)ADF平稳性检验,首先直接对数据平稳检验,没通过检验,即不平稳。
可以看出lnS没有通过检验,也是一个非平稳过程,那么我们想到要对其进行差分。
(2)一阶差分后平稳性检验,ADF检验结果如下,通过1%的显着检验,即数据一阶差分后平稳。
可以看出差分后,明显看出ADF Test Statistic 为-5.978381绝对值是大于1%的显着水平下的临界值的,所以可以通过平稳性检验。
3.确定适用模型,并定阶。可以先生成原始数据的一阶差分数据dls,并观测其相关系数AC和偏自相关系数PAC,以确定其是为AR,MA或者是ARMA模型。
(1)先观测一阶差分数据dls的AC和PAC图。经检验可以看出AC和PAC皆没有明显的截尾性,尝试用ARMA模型,具体的滞后项p,q值还需用AIC和SC具体确定。
(2)尝试不同模型,根据AIC和SC最小化的原理确定模型ARMA(p,q)。经多轮比较不同ARMA(p,q)模型,可以得出相对应AIC 和 SC的值。
经过多次比较最终发现ARMA(1,1)过程的AIC和SC都是最小的。最终选取ARIMA(1,1,1)模型作为预测模型。并得出此模型的具体表达式为:
DLS t = 0.9968020031 DLS (t-1)- 1.164830718 U (t-1) + U t
4.ARMA模型的检验。选取ARIMA(1,1,1)模型,定阶和做参数估计后,还应对其残差序列进行检验,对其残差的AC和Q统计检验发现其残差自相关基本在0附近,且Q值基本通过检验,残差不明显存在相关,即可认为残差中没有包含太多信息,模型拟合基本符合。
5.股价预测。利用以上得出的模型,然后对长江证券6月22日、23日、24日股价预测得出预测值并与实际值比较如下。
有一定的误差,但相比前期的涨跌趋势基本吻合,这里出现第一个误差超出预想的是因为6月22日正好是礼拜一,波动较大,这里正验证了有研究文章用GARCH方法得出的礼拜一波动大的结果。除了礼拜一的误差大点,其他日期的误差皆在接受范围内。
综上所述,ARMA模型较好的解决了非平稳时间序列的建模问题,可以在时间序列的预测方面有很好的表现。借助EViews软件,可以很方便地将ARMA模型应用于金融等时间序列问题的研究和预测方面,为决策者提供决策指导和帮助。当然,由于金融时间序列的复杂性,很好的模拟还需要更进一步的研究和探讨。在后期,将继续在这方面做出自己的摸索。

⑼ 非平稳时间序列可以预测股票走势吗

一般把非平稳时间序列转化为平稳时间序列的方法是取n阶差分法。

比如举个例子，假设xt本身是不平稳的时间序列，如果xt～I(1) ,也就是说x的1阶差分是平稳序列。
那么 xt的1阶差分dxt=x(t)-x(t-1) 就是平稳的序列 这时dt=x(t-1)

如果xt～I(2)，就是说xt的2阶差分是平稳序列的话
xt的1n阶差分dxt=x(t)-x(t-1) 这时xt的1阶差分依然不平稳，
那么 对xt的1阶差分再次差分后，
xt的2阶差分ddxt=dxt-dxt（t-1）便是平稳序列 这时dt=-x(t-1)-dxt（t-1）

n阶的话可以依次类推一下。

⑽ 时间序列在股市有哪些应用

时间序列分析在股票市场中的应用
摘要
在现代金融浪潮的推动下,越来越多的人加入到股市,进行投资行为,以期得到丰厚的回报,这极大促进了股票市场的繁荣。而在这种投资行为的背后,越来越多的投资者逐渐意识到股市预测的重要性。
所谓股票预测是指:根据股票现在行情的发展情况地对未来股市发展方向以及涨跌程度的预测行为。这种预测行为只是基于假定的因素为既定的前提条件为基础的。但是在股票市场中,行情的变化与国家的宏观经济发展、法律法规的制定、公司的运营、股民的信心等等都有关联,因此所谓的预测难于准确预计。
时间序列分析是经济预测领域研究的重要工具之一,它描述历史数据随时间变化的规律,并用于预测经济数据。在股票市场上,时间序列预测法常用于对股票价格趋势进行预测,为投资者和股票市场管理管理方提供决策依据。