證券金融其它相關(guān)畢業(yè)論文 模糊決策與股市選股

《證券金融其它相關(guān)畢業(yè)論文 模糊決策與股市選股》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、湖南師范大學(xué)本科畢業(yè)論文考籍號(hào)：XXXXXXXXX姓名：XXX專業(yè)：證券金融其它相關(guān)論文題目：模糊決策與股市選股指導(dǎo)老師：XXX二〇一一年十二月十日　　摘要模糊決策是近年來國(guó)際運(yùn)籌學(xué)界極其活躍的研究領(lǐng)域之一，也是模糊集理論誕生以來應(yīng)用最為成功的領(lǐng)域之一。模糊決策應(yīng)用范圍十分廣泛，以其在評(píng)價(jià)股票投資價(jià)值中的應(yīng)用為例，說明了它在經(jīng)濟(jì)領(lǐng)域中的應(yīng)用?！　￡P(guān)鍵詞模糊決策運(yùn)籌學(xué)模糊集股票投資價(jià)值1股票技術(shù)分析及預(yù)測(cè)方法1.1股票技術(shù)分析方法　　進(jìn)行股票的預(yù)測(cè)，最直接和基本的方法是股票的技術(shù)分析，它依據(jù)統(tǒng)計(jì)圖表和股市的圖形研判股市的未來動(dòng)向，技術(shù)分析方法可以分為

2、三種類型：判斷股價(jià)趨勢(shì)為主的趨勢(shì)分析，如道瓊斯理論、趨勢(shì)線法、移動(dòng)平均線等；形狀分析，如K線系統(tǒng)、整理與反轉(zhuǎn)形態(tài)、支撐與阻力以及箱性理論，波浪理論等；人氣指標(biāo)，如成交量圖、OBV指標(biāo)等。雖然技術(shù)分析方法具有一定的準(zhǔn)確性，但是由于技術(shù)指標(biāo)分析方法眾多，各種方法之間差別巨大，對(duì)于投資者來說學(xué)習(xí)不易，掌握更難，同時(shí)技術(shù)分析理論缺乏可靠的理論支持，分析結(jié)果仁者見仁、智者見智。雖然直到目前它仍然是大多數(shù)投資者在使用和依賴的分析預(yù)測(cè)方法，但是改進(jìn)和發(fā)展它已經(jīng)成為不可避免的事實(shí)。1.2基于統(tǒng)計(jì)學(xué)理論的預(yù)測(cè)方法　　統(tǒng)計(jì)學(xué)理論的預(yù)測(cè)方法，主要是基于模型擬合和最小二乘

3、原理建立各種回歸、自回歸、混合回歸模型進(jìn)行預(yù)測(cè)。此類方法，具有嚴(yán)格的數(shù)學(xué)基礎(chǔ)，應(yīng)用也最廣泛，近年也有相當(dāng)?shù)陌l(fā)展。如Nelder，JA和Wedderburn，R·W·M提出了廣義線性模型，它放松了經(jīng)典線性模型的假設(shè)，極大地豐富了回歸分析的理論。AaronLi和Duanleo對(duì)假設(shè)進(jìn)一步放松，提出了一般回歸模型，該領(lǐng)域研究具有十分驚人的前景。在計(jì)量經(jīng)濟(jì)研究中，Ichi二則提出了一類十分重要的模型——單指標(biāo)模型。研究的重點(diǎn)在于使之更適合于實(shí)際社會(huì)經(jīng)濟(jì)系統(tǒng)建模。1.3基于人工智能技術(shù)的股票預(yù)測(cè)技術(shù)　　由于計(jì)算機(jī)與人工智能技術(shù)的飛速發(fā)展，為股票市場(chǎng)建模與預(yù)測(cè)

4、提供了眾多的新技術(shù)、新方法，基于人工智能的股票預(yù)測(cè)技術(shù)進(jìn)展迅速?；谏窠?jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)方法，主要使用神經(jīng)網(wǎng)絡(luò)進(jìn)行股票價(jià)格數(shù)據(jù)的學(xué)習(xí)訓(xùn)練，然后使用訓(xùn)練模型進(jìn)行股市預(yù)測(cè)。采用模糊模型技術(shù)進(jìn)行預(yù)測(cè)，主要是依據(jù)專家經(jīng)驗(yàn)或統(tǒng)計(jì)方法建立模糊模型進(jìn)行預(yù)測(cè)；另外還可采用遺傳算法進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)權(quán)值調(diào)節(jié)或模糊模型、模糊規(guī)則的調(diào)整，使神經(jīng)網(wǎng)絡(luò)模型或模糊模型更加逼近系統(tǒng)模型。1.4股票的組合預(yù)測(cè)方法研究　　決策者面臨決擇的預(yù)測(cè)方式可能不只一種，且各有千秋，都能從一定程度上提供不同的有用信息，如何綜合利用這些信息，解決多模式預(yù)測(cè)方式問題，正是組合預(yù)測(cè)的研究?jī)?nèi)容。在198

5、9年，InternationalJournalofForecasting和JournalofForecasting分別出版了組合預(yù)測(cè)專集，Granger和Clemen分別給出了精辟的綜述與詳論，Clemen從信息集合討論了組合的實(shí)質(zhì)，從而為進(jìn)一步探討獲取最有用信息拋棄無用信息提供了指導(dǎo)。自Bates和Granger發(fā)表組合預(yù)測(cè)一文以來，組合預(yù)測(cè)有了很大的發(fā)展。組合的目的在于綜合利用各種預(yù)測(cè)方法所提供的信息，盡可能地提高預(yù)測(cè)精度。從原理上說，組合預(yù)測(cè)結(jié)果是對(duì)各單個(gè)預(yù)測(cè)線性加權(quán)。組合預(yù)測(cè)研究主要是考慮組合機(jī)理、權(quán)值確定，主要從統(tǒng)計(jì)分析、貝葉斯分析和信息

6、集合三個(gè)角度來考慮。2非模糊環(huán)境下投資組合分析　　現(xiàn)在先介紹一下用傳統(tǒng)的方法在非模糊環(huán)境下如何選擇最優(yōu)的投資組合?！　≡O(shè)投資者將其資金投資于n項(xiàng)風(fēng)險(xiǎn)資產(chǎn)，xi為在風(fēng)險(xiǎn)資產(chǎn)i上的投資份額，Ri為風(fēng)險(xiǎn)資產(chǎn)i的收益率，它是一個(gè)隨機(jī)變量，ri=E（Ri）是Ri的期望值，σij=cov（ri，rj）是第i，j兩項(xiàng)資產(chǎn)的協(xié)方差i，j=1，…，n。ki是每單位風(fēng)險(xiǎn)資產(chǎn)的變化所需的交易費(fèi)用，ki≥0；ci是第i項(xiàng)風(fēng)險(xiǎn)資產(chǎn)的交易費(fèi)用。給定投資組合x0=（x01，x02，…，x0n）和一個(gè)新投資組合x=（x1，…，xn），第i項(xiàng)風(fēng)險(xiǎn)資產(chǎn)的交易費(fèi)用可表示為Ci=ki

7、x

8、i-x0i

9、，i=1，…，n?？偨灰踪M(fèi)用為■C■=■k■x■-x■■總收益為R（x）=E■Rixi-■k■x■-x■■=■rixi-■k■x■-x■■總風(fēng)險(xiǎn)為V（x）=■E（Ri-E（Ri）xi）一般地，投資者希望收益最大且風(fēng)險(xiǎn)最小。數(shù)學(xué)上可以表示為以下雙目標(biāo)規(guī)劃模型maxR（x）=■rixi-■kix■-x■■minV（x）=■E（Ri-E（Ri）xi）st■xi=1用線性加權(quán)法求解多目標(biāo)規(guī)劃問題，可得如下參數(shù)規(guī)劃問題Max（1-λ）■rixi-■kix■-x■■-λ■E（Ri-E（Ri））xist■xi=1　　xi≥0，i=1，…，n其中，參數(shù)

10、λ在[0，1]中取消，它被稱為內(nèi)險(xiǎn)回避因子，λ取值越大，投次者風(fēng)險(xiǎn)加避意識(shí)越強(qiáng)。3利用模糊決策方法評(píng)價(jià)股票投資價(jià)值3.1概