獨立成份分析方法在股票分析中的應(yīng)用

《獨立成份分析方法在股票分析中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第28卷第6期計算機工程與設(shè)計2007年3月Vol.28No.6ComputerEngineeringandDesignMar.2007獨立成份分析方法在股票分析中的應(yīng)用陳玉山，席斌(廈門大學(xué)信息科學(xué)與技術(shù)學(xué)院模式識別與智能系統(tǒng)研究所，福建廈門361005)摘要：為了克服傳統(tǒng)的股票分析方法的缺點，將獨立成份分析方法用于分析影響股票走勢和收益的因素。通過對幾個大公司的歷年K線數(shù)據(jù)的深入分析，該方法在一定程度上揭示了影響股票走勢和收益的深層次的原因。這對建立和諧的金融體系、促進社會經(jīng)濟的良性發(fā)展以及創(chuàng)建和諧的社會都具有

2、一定的現(xiàn)實意義。同時也表明了該方法還具有簡單易行、容易理解、結(jié)果精確的特點。關(guān)鍵詞：主成份分析;獨立成份分析;盲源信號分離;熵;股票收益中圖法分類號：TP319.4文獻標識碼：A文章編號：1000-7024(2007)06-1473-04ApplicationofindependentcomponentanalysistoanalysisofstockmarketCHENYu-shan,XIBin(InstituteofPatternRecognitionandIntelligenceSystem,Schoolof

3、InformationScienceandTechnology,XiamenUniversity,Xiamen361005,China)Abstract：Inordertoovercometheshortcomingofthetraditionalmethods,independentcomponentanalysis(ICA)isusedtoanalysethefactorthathasinfluenceonthetrendofstocksandthereturnsofstocks.Byanalyzingthet

4、rendoftheday-K-linesofthehistoricaldatum,thismethodshowsthefactorthatinfluencesthestockmarketandthereturns.Tosomeextent,itisimportantforconstructingaharmonioussociety.Atthesametime,itiseasytounderstandandtheresultisprecise.Keywords：PCA;ICA;BSS;entropy;returnso

5、fstocks恢復(fù)出一些基本的源信號的方法。自從Comon提出了ICA理0引言論框架以來，ICA的實用性越來越好。獨立成份分析方法(ICA)是近幾年才發(fā)展起來的一種新1.1ICA的基本原理的統(tǒng)計方法。作為盲源信號分離最有效的一種方法(盲源信ICA的模型如下號分離指的是在源信號和傳輸通道參數(shù)未知的情況下，僅由x=As+(1)觀測到的信號恢復(fù)出源信號的各個獨立分量的過程，BSS)，它其中：x——所觀察到的維信號，是已知的；A——×維的的目的是把觀察的數(shù)據(jù)進行某種分解，使分解出來的成份盡未知混合矩陣；s——維的未知源信號

6、，即現(xiàn)象背后的原因；可能地獨立(這種成份叫做獨立成份，ICs)。因此它可以分析——噪聲。從式(1)以看出，該模型是非常復(fù)雜的，應(yīng)用起來隱藏在現(xiàn)象背后的深層次的原因。十分困難。因此，在實際應(yīng)用中，我們設(shè)A是方陣，噪聲為主成份分析(PCA)[1]和奇異值分解(SVD)是基于信號二階零，獨立成份(ICs)，即s的各個分量，具有相同的分布。于是統(tǒng)計特性的分析方法,其目的是去除數(shù)據(jù)各分量之間的相關(guān)我們得到如下的簡化的模型性，因而它們主要應(yīng)用于圖像數(shù)據(jù)的壓縮，PCA的一個基本限x=As(2)制是它僅能分離不相關(guān)的信號源；而IC

7、A則是基于信號高階在解決實際問題時，這種模型已經(jīng)是足夠的。下面要討統(tǒng)計特性的分析方法，經(jīng)ICA分解出的各信號分量之間是相論的模型就是這種假設(shè)下的模型。由以上模型可知：①我們互獨立的。正是因為這一特點，使ICA在信號處理[2]、圖像處無法非常精確地估計出s；②我們無法確定ICs的順序；③我們理[3]、生物醫(yī)學(xué)[4]以及人臉識別[5]甚至社會經(jīng)濟[6]等領(lǐng)域得到了無法確定ICs的幅值。廣泛的應(yīng)用。本文嘗試將其應(yīng)用于股票方面的分析。1.2ICA估計方法1.2.1ICA的估計方法1ICA的基本原理和算法該模型成立的前提條件

8、是：ICs之間在統(tǒng)計意義上是相互最早提出ICA概念的是Jutten和Herault，當時他們對ICA獨立的，且最多只有一個ICs滿足高斯分布?，F(xiàn)在我們所要做給出了一種相當簡單的描述，認為ICA是從線性混合信號里的事就是根據(jù)一定的規(guī)則，盡可能地還原出s。常用的規(guī)則有收稿日期：2006-02-20E-mail：cys200431052@yahoo.com.cn作