基于piotroski方法和arima-svr模型的股票投资策略研究

基于piotroski方法和arima-svr模型的股票投资策略研究

ID:35058119

大小:4.06 MB

页数:71页

时间:2019-03-17

基于piotroski方法和arima-svr模型的股票投资策略研究_第1页
基于piotroski方法和arima-svr模型的股票投资策略研究_第2页
基于piotroski方法和arima-svr模型的股票投资策略研究_第3页
基于piotroski方法和arima-svr模型的股票投资策略研究_第4页
基于piotroski方法和arima-svr模型的股票投资策略研究_第5页
资源描述:

《基于piotroski方法和arima-svr模型的股票投资策略研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文基于Piotroski方法和ARIMA-SVR模型的股票投资策略研究作者姓名余天伦学科专业概率论与数理统计指导教师杨立洪教授所在学院数学学院论文提交日期2016年5月ThestudyofstockinvestmentstrategybasedonPiotroskistrategyandARIMA-SVRmodelADissertationSubmittedfortheDegreeofMasterCandidate:YuTianlunSupervisor:Prof.YangLihongSouthChinaUniversityofTechnolo

2、gyGuangzhou,ChinaV分类号:021学校代号:10561学号:201320120991华南理工大学硕±学位论文基于P-SVR模型的iotroski方法和ARIMA股票投资策略研究作者姓名:余天伦指导教师姓名、职称:杨立洪教授申请学位级别:理学硕古学科专业名称:概率论与数理统计研究方向:数据分析与数据挖掘01620论文提交日期:2年5月论文答辩日期;>/居年月3日学位授予单位;华南理工大学学位授予日期:年月日V华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导

3、师的指导下独立进行研究所取得的研究成果。除了文中特别加掠注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研巧做出重要贡献的个人和集体,均已在文中W明确方式标明。本人完全意识到本声明的法律后果由本人承担。■作者签名日期:年5月三5日学位论文版权使用授权书艮本学位论文作者完全了解学校有关保留、使用学位论文的规定,P:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版,允许学位论文被查阅(除在保密期内的保密论文外);学校可

4、公布学位论文的全部或部分内容,可W允许采用影印、缩印或其它复制手段保存、汇编学位论文一。本人电子文档的内容和纸质论文的内容相致。本学□位论文属于:保密,在年解密上后适用本授权书。vl不保密,同意在校园网发布,供校内师生和与学校有共享协议全的文单位浏览;同意将本人学位论文提交中国学术期刊(光盘版)电子杂志社出版和编入CNKI《中国知识资源总库》,传播学位论文的全部或部分内容。上(请在[^相应方框内打"V")作者签名:/^采/fe日期;J日年'^月j占日指导教师签名;日期:若)/^^年S月乂日3b作联者联

5、系电话:电子邮箱:系地址(含邮编):摘要我国不断推进经济体制的深化改革,与此同时,股票市场也得到不断的完善与发展,股票市场作为我国证券业和金融业不可或缺的重要组成部分,是一个充满机遇和挑战的领域。股票投资是一种高收益,同时又是高风险的手段。投资者在进行股票选择及买卖之前,需要有一套科学有效的方法,找到收益和风险的平衡点,以实现预期的投资目标。因此,与股票投资相关的数据分析和预测就具有十分重要的理论意义和实用价值。目前股票策略研究主要是采用基本面法或技术面法单一的方式,本文提出一种基于量化分析和数据挖掘技术结合的投资策略。先利用财务指标,构建选股

6、策略,选择投资前景良好的股票。然后利用数据挖掘方法对股票的收盘价进行预测,得到对单只股票价格走势的预测结果。通过对比预测涨幅和预先设定的涨幅阈值,找到更合适的买卖股票时间点,从而获得更高的收益。首先采用Piotroski选股方法,挑选出9个具有代表性的财务指标,然后根据各自的评分标准进行打分,最后得到综合评分。由综合评分可以选取具有投资价值的高分组股票。将这些股票作为研究对象,选择合适的时间点进行买卖。然后分别使用时间序列(ARIMA)模型和支持向量机回归(SVR)模型对股票的收盘价进行预测,接着结合两者构建ARIMA-SVR模型。实验证明混合模型的预测

7、效果最好。在混合模型预测的基础上,利用比例系数法进而求出收盘价的预测区间。最后根据预测的涨幅决定是否持有股票,从而得到买卖股票的最佳时间点。实验结果表明,Piotroski选股方法适用于中国A股市场。高分组的收益率在持有期都比低分组组合高,同时最大回撤比低分组组合要低。ARIMA-SVR混合模型对沪深300成分股东方航空和非沪深300成分股的四川路桥收盘价的预测效果,比单一的ARIMA模型和SVR模型都优。基于比例系数法的区间预测方法,能取得较好的效果。最后,通过综合实验,验证定性方法(Piotroski方法)与定量方法(ARIMA-SVR混合模型)结合

8、是有效的。最终结果表明,基于Piotroski选股方法和ARIMA-SVR模型的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。