重復剪輯近鄰法股票價格預測.pdf

1、證券市場是一個公認的呈現高度復雜性的非線性系統，預測難度很大。傳統的聚類分析方法遇到強有力的挑戰(zhàn)，如對高維空間的稀疏數據以及不規(guī)則分布具有任意形狀數據的分析。近鄰法由于在理論上進行了深入地分析，直至現在仍是模式識別非參數法中最重要的方法之一，包括基于各種特定度量的最近鄰法和K近鄰法。傳統近鄰分類算法應用于證券價格預測時，需要在樣本間進行大量的比較，占用巨大的存儲空間和計算時間，并且當決策錯誤產生的代價很大時，會導致較大的風險。剪輯近鄰法

2、通過一系列算法改進，避免了通常計量經濟模型中特異數據影響模型參數的現象，同時克服了普通近鄰算法計算和存儲量大的的主要缺點，部分解決了當數據維數過高時可能發(fā)生維數災難的難題。本文針對證券價格日常波動的技術特征建立模型，試圖在對大量原始數據的重復剪輯近鄰法迭代預處理過程中，逐級篩選出對于聚類效果最顯著的特征數據或其組合，逐步分離出混合在原始數據中的噪聲和不確定因素，尋找最能反映股價波動規(guī)律的主導型變量和因素，在保證一定的預測正確率的同時盡量

3、減少計算量，得到數量較少的對應于各類別的代表性樣本，完成對輸入數據空間的分割，從而實現對于任何未知樣本都可以采用某種度量方式找到已知代表樣本中與其最相似的樣本，據以完成類別歸屬判斷，最終實現預測。本文采用重復剪輯和增加拒絕決策功能的改進算法進行預測，并結合中國滬深證券市場個股交易資料進行實證檢驗。結果表明和普通算法相比，預測正確率有明顯提高。本文通過對參數取值及其組合對預測結果影響的討論和算法的局部改進，從一個較新的角度得出一些有意義的