基于分形市场理论和模糊支持向量机的期货数据分析

《基于分形市场理论和模糊支持向量机的期货数据分析》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、分类号：０２１３单位代码：１０１８３２０１３３１４００２密级研究生学号：：公开參古林大学硕古学位论文专业擎位（）基于分形市场理论和模糊支持向量机的期货数据分析ＴｈｅＡｎａｌｓｉｓｏｆＦ山ｕｒｅＤａｔａＢａｓｅｄｏｎＦ巧ｃｔａｌＭａｒｋｅｔＴｈｅｏｒｙｙａｎｄＦｕｚｚｙＳｕｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅｓｐｐ作者姓名：刘鄭飞类别：应用统计硕±领域（方向）：金憩数学指导教师：郑文瑞教授培养单位：数学学院２０１６年５月

2、基于分形市场理论和模糊支持向量机的期货数据分析TheAnalysisofFutureDataBasedonFractalMarketTheoryandFuzzySupportVectorMachines作者姓名：刘骅飞领域(方向)：金融数学指导教师：郑文瑞教授类别：应用统计硕士答辩日期：2016年5月17日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术

3、性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕：ｔ学位论文原创性声明本人郑重声明：所呈交学位论文，是木人在指导教师的指导下，独立进行研巧工作所取得的成果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体己绍发表或撰写过的作品成果。对本文的研究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结果由本人承担。学位论文作者签名：方巧曰期：月摘要随着中国金融市场的不断发展壮大，对海量行情数据的处理、预测能力越来越被人们看重。本

4、文意在通过对现阶段机器学习类模型的研究学习，为资本市场交易者提供一点新的思路想法。在对应用支持向量机模型文献的学习总结过程中不难发现：因为需要精确的量化结果，现阶段的研究重点大都在利用该模型的回归分析功能对行情的收益率进行预测，然而支持向量机模型更多时候却是在解决分类性问题上表现更好。因此本文提出一种新的建模思路，使得研究不再依赖于预测精确收益率结果，将现实中的待解决问题转化为分类型模型。本文在详细介绍市场分形理论以及改进版的模糊支持向量机模型之后，以商品期货中的铜品种为实例，系统地说明了模型的构建过程，并

5、在实验中证明了其预测的准确可行性。首先通过市场分形理论，对行情进行结构化分形系统处理。因为结构化之后的行情方向不再需要预测，此时研究重点便从预测具有正负的精确收益率转化成为后续行情波动率大小的分类问题；此后进一步将行情走势的类型进行枚举分类，使得每个走势类型具备了自相似性质。这一步骤在很大程度上减少了，未来利用模糊支持向量机模型学习时由于不同走势类型混在一起所造成的训练噪声；最后将行情走势类型特征数据代入改进后的模糊支持向量机模型，这样通过模糊隶属度概念规避掉训练样本内的野点噪声，经过参数估计和交叉验证之后

6、完成实验，得到最终结果。不难看出，经过决策函数筛选之后的预测概率相比基础概率有了很大提升，说明模型效果较好。关键词：支持向量机，模糊隶属度，分形市场理论，商品期货，降噪预测AbstractWiththehugedevelopmentandcontinuousgrowthofChineseFinancialmarkets,theabilitytodealwiththemassmarketdataismoreandmorevalued.Thispaperisintendedtoprovideanewthough

7、tforthecapitalmarkettradersbasedonthestudyofthemodelofmachinelearningatthepresentstage.Duringthestudyingofsupportvectormachine’sapplication,itisnotdifficulttofindbecauseoftheneedforaccuratequantitativeresults,thestudyatthepresentstagemostlyfocusesontheappl

8、icationoftheregressionanalysisfunctionofthismodelinthemarketreturnsrateprediction.However,supportvectormachinemodelhasabetterresultwhenitcomestosolvingtheproblemofclassification.Thispaperpresentsanewmodelingm