股指波动预测模型的方法研究及应用

《股指波动预测模型的方法研究及应用》作者对股指预测理论方法及模型构建做了以下的研究：（1）股指波动影响因素及股指预测模型特点研究；（2）股指波动统计类预测模型与创新类预测模型比较研究；（3）基于被生物进化算法优化的神经网络股指预测模型研究；（4）基于数据挖掘的RBF+AFSA股指预测模型和GA-BP股指预测模型及其实证研究；（5）基于知识挖掘的FPBP股指预测模型和REPTREE+RBF+AFSA股指预测模型及其实证研究。

沈巍，女，1965年生，华北电力大学经济与管理学院副教授，博士，硕士生导师。长期以来一直从事金融市场学、货币银行学等课程的教学工作，以及金融市场、货币政策方面的研究工作。近5年发表学术论文20余篇，其中1篇被SCI检索，8篇被EI检索，2篇被CSSCI检索：参编教材2部：参加自然科学基金等科研项目共4项。

第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 基于统计原理的传统型股票指数波动预测模型研究
1.2.2 基于非统计原理的创新型股票指数波动预测模型研究
1.2.3 神经网络的优化研究
1.2.4 数据挖掘与知识挖掘研究
1.2.5 国内外研究动态总结
1.3 论文研究内容
1.4 研究方法
1.5论文创新点

第2章 股指预测的特点及影响因素分析
2.1 股指波动的特点
2.1.1 股票指数数据的噪声
2.1.2 股指波动的非线性特征
2.1.3 股指波动受投资者心理影响
2.1.4 股指波动具有政策性特征
2.2 影响股指波动的主要因素
2.2.1 宏观经济因素
2.2.2 技术指标因素
2.2.3 心理因素
2.3 股指预测模型的功能与特点
2.3.1 具有并行处理大量非线性数据的功能
2.3.2 具有自主学习、自我调整的功能
2.3.3 具有多指标同时输入的功能
2.3.4 具有处理非量化文本因素的功能
2.4 本章小结

第3章 股指预测模型概述
3.1 基于统计原理的传统型股指预测模型
3.1.1 CARCH模型
3.1.2 SV模型
3.2 基于非统计原理的创新型股指预测模型
3.2.1 灰色CM（1，1）模型
3.2.2 BP神经网络
3.2.3 RBF神经网络
3.2.4 BP与RBF神经网络性能比较
3.2.5 支持向量机预测模型
3.3 本章小结

第4章 统计类预测模型与创新类预测模型比较
4.1 理论比较
4.1.1 建模的理论基础不同
4.1.2 对数据的要求不同
4.1.3 对数据的处理方法不同
4.1.4 模型结构的稳定性与适应性不同
4.1.5 预测精准度不同
4.1.6 预测难度与预测时间长度不同
4.2 实证比较
……

第5章 基于生物进化算法优化的神经网络股指预测模型与实证
第6章 基于数据挖掘的神经网络股指预测模型与实证
第7章 基于知识挖掘的神经网络股指预测模型与实证
第8章 结论与展望
参考文献
攻读博士学位期间发表的主要论文及科研
致谢

    2.2.3 心理因素
     行为金融学认为投资者的金融行为受投资者的心理因素影响。实际情况也的确如此。投资者心理变化对股价的变动造成的影响会很大。例如，在大多数投资者对股市抱有乐观态度时，会有意无意地夸大市场有利消息的影响，并忽视一些潜在的不利因素，从而脱离上市公司的实际业绩而纷纷买进股票，使股票价格上涨。反之，在大多数人对股票市场前景不太看好时，对潜在的有利因素视而不见，对不利的因素特别敏感，甚至不顾发行公司的优良业绩大量抛售股票，使股价大跌。当众多的投资者对股市的发展无法判断时，会持观望态度，此时市场冷落，股价就会盘旋呆滞。大多数的投资者不可规避地都存在较为严重的心理因素，在股价下跌时，就会盲目地恐慌，上涨的时候就过于兴奋，最后的结果是，价格上涨了，他马上买进股票，下跌时马上退出。挣钱不多，情绪紧张。
     通常，根据股市行情的好坏及投资人的心理状态，人们将股指分为牛市行情和熊市行情。牛、熊市具有不同的市场特征和心理特征，根据这些特征判断市场处于什么时期，并制定相应的投资决策是投资人成功投资的基础。
     一般来说，我们可以将牛市分为三期：
     牛市第一期，通常是在最悲观的情况下出现的，这时候的投资者往往已经对市场心灰意冷，不计成本地抛售所持有的股票，这时候正是买进股票的良机。有远见的投资者通过对各种经济指标和形势的分析，预计市场正处于黎明前最黑暗的时候，情况即将发生变化，正如股市箴言所说：“行情在绝望中产生”。长期买家开始选择优质股限价买入，短期投机者往往选择跌无可跌的低价股。因此，市场的成交量虽然还处于低迷的状态，但成交量会不规则地略有放大。