基于组合预测模型的股票预测方法的研究.pdf

第29卷第2期青岛理工大学学报
Vo1．29No．22008
JournalofQingdaoTechnologicalUniversity

基于组合预测模型的股票预测方法的研究

李春兴，白建东
(青岛理工大学中德信息技术研究所，青岛266033)

摘要：对股票预测问题进行了深入的研究，提出了一个新的预测方法．针对股票时间序列的高度
非线性、高噪音的特点，采用小波变换方法有效的过滤噪音、约简数据，并对ARIMA模型和BP神
经网络预测模型进行了研究和分析，提出了一个基于ARIMA模型和BP神经网络模型的模糊变
权重组合预测模型，应用该模型对股票时间序列进行分析预测，取得了令人满意的效果．
关键词：小波变换；时间序列；神经网络；组合预测模型
中图分类号：TP3ll文献标志码：A文章编号：l673—4602(2008)02—0O82—04

股票市场具有高风险与高利润并存的特点，对股票市场进行建模与预测研究对于我国经济和金融市
场的发展具有重要的意义．
但是股票时间序列本身具有非平稳、非线性和信噪比高的特点，其中噪音严重影响了进一步的分析预
测，因此必须首先去噪．小波变换所具有的自适用和数学显微镜性质，特别适合股票时间序列信号的消噪
处理．、
人们对于股票预测的研究已进行了若干年，并提出了许多预测模型，如时间序列模型、神经网络模型等．
每一种预测模型在数据处理及不同准则下均有独到之处，能从不同角度推导和演绎，其预测结果都有一定的
价值，对于股票时间序列这种非线性复杂系统，如果仅用一种特定的预测方法进行预测往往具有片面性．更
为科学的做法是采用组合预测法，即利用多种不同的单个模型对被预测对象进行预测，然后利用某种准则对
各个单一模型进行综合，形成组合模型，再利用组合模型来进行预测，从而提高预测精度和系统可信度．本系
统采用将时间序列模型与神经网络模型结合，采用时变权重分别赋权，组合预测股票价格走势．

1小波消噪理论

1．1小波消噪的基本原理
小波是一种特殊的、长度有限、平均值为0的小区域的波形．小波分析就是将信号分解为一系列小波
函数的叠加，这些小波函数是由一个母小波通过平移和尺寸伸缩得来的Ⅲ．若分析信号_厂()为能量有限
的一维函数，则其连续小波变换为：

1r_I。。L
Wf(a，6)一_I二==f厂()()dt(1)
＆J一。。＆
其中，n∈R且n≠0．式(1)中称n为尺度因子，表示与频率相关的伸缩；b为时间平移因子；(z)为
母小波．尺度因子n越高对应的信息频率越高，将尺度因子n按幂级数取值可以获取信号各频率部分，即
可以进行多分辨率分析口]，这是小波分析理论的一个重要特点．
信号和噪音在不同频率上会有不同的表现，通过这种多分辨率分析，就可以实现信噪分离，以达到消
噪的目的．

收稿日期：2。O7—1O一16
基金项目：教育部留学回国人员科研基金资助项目(2002498)

第2期李春兴，等：基于组合预测模型的股票预测方法的研究

1．2股票时间序列小波消噪方法分析
股票价格时问序列中数据波动性很大，信号中高频成分较多，难以和噪音信号相区分．一般认为信号
中的大幅波动蕴含着比较重要的信息，可将其作为有用信息，在消噪过程中将其保留，而大量的小幅波动
大都是由于股票市场的流动性而自发产生的，不具有分析和预测的价值，一般视为噪音，应予以消除r3．
针对股票时问序列消噪处理，笔者采用了一种被广泛应用的小波消噪法——小波收缩法，该方法是
由美国Standford大学的Donoho等人提出的，它基于这样一个理论：即小波变换后有用信息的小波系数值
必然大于那些噪音的小波系数值，从而可以从谱的幅度上将有用信号和噪音分离，以达到消噪的目的．该
方法实现步骤如下：
(1)选择合适的正交小波基．目前已有数十种小波函数，不同的小波函数有不同的消噪效果，所以选
择合适的小波函数非常重要．消失矩是小波函数与消噪密切有关的特性之一，若

㈤d一0(2)

则称小波具有m阶消失矩．消失矩是小波展开时消去信号的高阶平滑部分．针对股票时间序列的突变性
特点，一定的消失矩是必须的．和消噪有关的小波特性还有正交性、紧支撑性、对称性等等，这些特性之间
往往存在相互牵制，因此在选择小波函数时需要就实际情况综合考虑，选取最优的小波函数．经过实际比
较，选择了Symlets小波作为正交小波基，针对股市奇异点密度大的特点选定消失矩为4．
(2)确定分解层次．小波消噪中高层分解的小波系数对应的是低频部分，而低频主要是信号，因此分
解层次越高，消噪效果就越明显，但同时信号的失真度也就随之加大，本系统中旨在消除白噪声，确定分解
层次为4．
(3)对分解得到的小波系数进行阈值处理，相对硬阈值法，软阈值法具有更广的适用性，更快的计算
速度，因此笔者采用软