关于证券投资预测的马氏链法和ｅ－ｂａｙｅｓ法

《关于证券投资预测的马氏链法和ｅ－ｂａｙｅｓ法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、关于证券投资预测的马氏链法和Ｅ－Ｂａｙｅｓ法　　　　论文关键词：运筹学；；预测模型；马氏链法；E-Bayes法　　　　论文摘要：本文提出了两种证券投资预测方法—马氏链法和E-Bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和E-Bayes法的理论建立预测模型，最后结合实际问题进行了计算，两种方法的预测结果是一致的。　　　　　　引言　　　　　　在文献中，介绍了1990年诺贝尔学奖的三位得主HarryMarkowitz，WilliamSharpe和MertonMiller在证券投资方面的主要工作，很有参考价值。Markowitz获奖是因为他提出了投资组合选择(portfiliosele

2、ction)理论。Markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此Markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。　　证券的价格忽高忽低似乎难以捉摸，但在经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用价格各种图象和曲线来预测证券价格。近些年来，技术分析法发展很快，特别是随着的普及，各种分析方法法越来越多。总的来看

3、，技术分析法可以分为图象分析法和分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和E-Bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。　　1、马氏链法　　　　　　在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与历史无关。具有无后效性的时间、状态均为离散的随机转移

4、过程通常用马氏链(MarkovChain)模型描述。　　马氏链模型在经济、、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。　　马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：　　(1)划分预测对象所出现的状态——把数据进行分组。　　从预测的目的出发，并考虑决策者的需要来划分所出现的状态，同时把数据进行分组。　　(2)计算初始概率　　　　　　2、E-Bayes法　　　　　　文献中给出了的一种新的预测方法——E-Bayes法。该方法首先把数据进行分组，划分预测对象所出现的状态，然后给出状态概

5、率的E-Bayes估计，并在此基础上进行预测。　　　　　　3、预测实例　　　　　　深圳股市某股票“今天”及以前共31个连续交易日的价格(收盘价，单位：元/股)分别为(按优先顺序)：9/15，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，。以下用上面介绍的马氏链法和E-Bayes法预测“明天”该股票的价格。　　(1)马氏链预测法　　首先根据31个数据，划分预测对象所出现的状态一把数据进行分组。这里给出两种状态划分，即第一状态划分和第二状态划分，分别列在(对应第一状态划分)和(对应第二状态划分)。　　　　　　4、结束语　　　　　　从以上的预测实例的两种状态划分可以看出，当状态划分可进一

6、步加密时，预测对象所在的区问长度进一步缩小，因此预测的结果更好。当然在预测时也可以根据交易日的收盘价为基础，然后根据每日的涨跌幅来进行预测。应该注意的是，状态划分并不一定是越细越好，而应该在掌握充分的资料，并在对其进行分析的基础上对预测对象进行状态划分。　　本文应用马氏链法和E-Bayes法建立了证券投资的预测模型，然后结合实际数据用两种方法进行了计算，两种方法得到的预测结果是一致的。