基于马尔可夫链系统的上证指数探讨

从实证的角度讨论了我国股票市场中上证指数的发展趋势，根据使用马尔可夫模型的前提条件和马尔可夫模型的相关性质，将上证指数分为高跌、低跌、低涨和高涨四种状态，运用马尔可夫链求解公式．探讨我国的股票价格涨跌趋势，寻找行情变化规律，为投资者提供相关的模型参考。     

基于ARIMA模型的股票价格预测实证研究

<正>ARIMA模型常用来对时间序列做预测分析，而股票价格的预测一直是股民较为关注的问题，准确的预测股票价格有利于在变化莫测的金融市场上做出合理的决策。ARIMA模型通过对历史数据建模，拟合时间序列数据的变动规律，进而预测未来股票的变化。本文选择深信服科技2021年所有交易日的股票收盘价数据，用ARIMA模型拟合其变化规律，最后对短期内的深信服收盘价进行预测。     

基于大数集模糊BP神经网络的金融股票市场的预测

为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的.     

基于高阶马尔可夫链WSN低时延调度算法

对于无线传感网络,节点数据到达率和服务都随着时间和环境不断变化,基于Glauber动态模型的CSMA无线传输网络的调度解决方案,吞吐量较优,但马尔可夫链对链接状态随时间推移构成根本性约束,基于此提出一种新的基于高阶马尔可夫链的低延时排队序列链路调度算法,首先观察局部链路状态信息,然后构造可行链路演化的马尔可夫链时间表。实验结果表明,通过有效的"去相关"链路进程,该方法实现吞吐量最优,而且能提供更好的延时性能。     

基于马尔可夫链模型的沪深300指数日收益率研究

研究了沪深300指数日收益率时间序列,经检验其具有马氏性,并建立了马尔可夫链模型。取交易日分时数据,根据分时数据确定状态初始概率分布,通过一步转移概率矩阵对下一交易日的日收益率进行了预测。对该模型分析和计算,得出其为有限状态的不可约、非周期马尔可夫链,求解其平稳分布,从而得到沪深300指数日收益率概率分布。并预测了沪深300指数上涨或下跌的概率,可为投资管理提供参考。     

股票价格的价位区间分析

股票价格的价位区间分析罗旭（中国国泰证券有限公司研究发展部２０００４２）股票价格的变动情况是股民和投资者最为关心的问题。在实际情况中，股票市场的各种因素时时刻刻都在发生变化，基于股价行情数据分析股票价格显得尤为困难，投资者往往感到很难把握未来股票价格...     

上海证券市场的分形结构

本文应用赫斯特提出的Ｒ／Ｓ分析方法研究了上海证券市场股票收益的波动规律。结果显示上海的股票收益遵循有偏的随机游走过程或分析布朗运动,人格不能对信息做出及时充分地反映,收益序列呈现出持久性,今天的股票价格影响未来,时间是重要的,就像一块卵石落入水中,今天的事件在时间中像涟漪那样向前扩散,涟漪逐渐减弱直至在实际上消失。     

90年代浙江城镇洪涝灾害分析及其展望

本文运用５００年洪涝史料记载和现代气象、水文降水资料记录模拟划定出诸暨县不同级别洪涝序列，然后对序列进行气候统计和对太阳黑子进行相关分析，并应用现代数理统计灰色理论中的ＧＭ（１，１）模型、自回归ＡＲ（Ｐ）模型、自回归滑动ＡＲＭＡ（（ｐ，ｑ））模型和马尔可夫链等数理统计模型对序列分别进行计算，经综合分析作出未来１０年出现不同级别洪涝的展望，为灾害的评估、城镇规划、工业布局及防洪对策提供科学依据。     

基于灰色马尔可夫模型的网络舆情预测研究

【目的/意义】网络舆情的发展是复杂非线性的变化过程,建立有效的数理模型对网络舆情发展趋势做出准 确的预测具有重要的意义。【方法/过程】首先选用网络舆情事件的百度指数构建发展趋势的时间序列指标,经过几 何平均弱化缓冲算子处理后建立改进的灰色Verhulst 模型预测,最后采用马尔可夫对改进的灰色Verhulst 模型预测 结果进行修正。【结果/结论】选取“罗一笑事件”进行案例分析,验证了本文提出的改进的灰色马尔可夫模型在网络 舆情预测中的有效性。     

分形几何在股票价格变动研究中的应用

本文将着重讨论时间序列R/S分析中的分数布朗运动模型在研究股票价格波动方面的应用。 1 分形几何的基本概念及其布朗运动模型自然界中的所有形状和人类迄今所考虑的一切图形,大致可分为两种。一种是具有特征长度的图形,其共同的性质是几乎任何位置都是可微的,即近似平滑的。另一种则是不具有特征长     

长三角货流的演化及变动趋势分析

本文分析了1990年以来长三角地区货流的变动情况。在时间序列上,长三角地区表现为交通网络的完备和货运量的快速增长;空间上,货运的非均衡性趋势是货流空间变化的主流,且一直保持集中的趋势;通过马尔可夫链的空间分析发现目前长三角已经形成了高、中高、中低、低几个趋同的俱乐部。     

基于大数据的股票价格逻辑驱动交易系统的研究

本文介绍了股票价格逻辑驱动系统所需数据的网络采集方法,并对大数据支持下的股票价格逻辑驱动系统进行了技术探讨和可行性分析;在大数据时代背景下,运用股票价格逻辑驱动的思想来指导交易,以使得在A股T+1交易制度下的市场中,将获得交易先机,赢取宝贵时间,提高成功交易的概率。     

中国上市公司信用风险管理实证研究--EDF模型在信用评估中的应用

对信用风险的动态管理是二十一世纪风险管理研究中最具有挑战性的课题,它将使传统的只注重违约条件下债务账面损失的静态分析方法转变为通过债务人的资产价值的变化反映其信用资质变化的动态分析方法。本文采用了一个基于期权理论的信用风险管理方法的分析框架,利用我国上市公司1997—2001股票价格波动的时间序列和截面数据,对中国上市公司的违约频率进行了实证分析。研究结果表明：(1)上市公司的股票价格波动与该公司的预期违约频率显著相关,且呈负相关关系;(2)上市公司的预期违约频率与该公司的信用资质变化吻合,并栽有公司未来前景的情报性信号。     

受控马尔可夫链方法在软件测试上的应用

主要介绍了受控马尔可夫链的基本概念和原理，及受控马尔可夫链方法在软件测试中的应用，并对马尔可夫链的五元素模型进行了描述。     

基于状态趋势预测方法的城市机动车保有量预测

将2000-2010年的杭州市机动车保有量的时间序列用非线性回归拟合得到趋势曲线方程,并以趋势曲线为基准划分2个状态区间,再用马尔可夫转移概率来刻画系统的数值波动规律。通过对杭州市2010年机动车保有量预测值与实际值进行比较,可知该模型预测精度较好。并基于该模型用状态趋势预测方法对2011年杭州市机动车保有量进行预测。     

基于马尔可夫模型的图书馆用户聚类分群方法研究

【目的/意义】针对图书馆用户群体聚类分群不稳定且错误率较高的问题,提出基于马尔可夫模型的图书馆 用户聚类分群方法,提升图书馆用户聚类分群精准度。【方法/过程】采用一阶马尔可夫混合模型构建用户动作序列 模型,通过模型产生用户行为聚类,体现用户动作的动态性,采用自适应自然梯度算法,依据用户行为分离状态自 适应调整自身步长,优化模型参数学习中模型自动选择问题,实现最佳图书馆用户聚类分群。【结果/结论】通过实 验结果能够证明,实际聚类数量小于L值时,提出方法能够实现参数学习过程中模型的自动选择。提出方法的分群 数量最多,能够划分出最大的取值区间,聚类错误率最低为0.22%,聚类性能比较稳定,分群结果更加精准,达到了 设计的预期。【创新/局限】采用一阶马尔可夫混合模型实现了图书馆用户聚类分群。后续将进一步研究可考虑用 户序列间关联的高阶马尔可夫分量模型,以提高分群算法的准确性和稳定性。     

浅谈时间序列的分析预测

时间序列理论是研究计量经济的基础，时间序列分析预测方法是定量分析的主流方法，本文阐连了时间序列的基本特征，并介绍了时间序列的有效分析预测模型：由于已有模型的固有缺陷，这将促使我们进一步探究先进的方法理论。     

股票价格与实际利率之间长期协整与短期影响关系的实证检验

为了判断股票市场与债券市场之间的相互关联，我们使用协整模型和误差修正模型分析我国股票价格和实际利率之间的相互联系，发现我国的股票价格和实际利率之间不仅存在共同的长期趋势，并且具有短期的共同波动模式，因此在储蓄投资与股票投资之间具有一定的替代性和流动性。     

WPGM（1，1，α）模型在股票价格预测中的应用

股票的价格的预测直接影响到投资者的决策,所以对股票价格的预测一直是经济工作者关注的一个问题。2002年刘文财等通过实证说明了ARFIMA模型在中国股票市场预测的失效性之后,很多人尝试将各种预测方法运用到股票价格预测中来,其中GM（1,1）是使用最多且比较有效的方法,尝试将无偏GM（1,1）模型的优点与GM（1,1,α）模型结合得到WPGM（1,1,α）模型,并选取G浦发的周收盘价作为原始序列进行预测,结果表明,所提的方法是有效的。     

BP神经网络的股票价格预测模型建立

由于股票价格的变化具有随机性、非线性等规律,股票市场与国内外经济政治变化亦息息相关,为了提高股票价格的预测精度,提出遗传算法优化BP神经网络的股票价格预测模型。BP神经网络具有良好的非线性映射能力,弥补传统股票价格预测方法的不足。