基于粗糙集和多元模糊时间序列的股指期货价格预测研究

摘要
金融市场上，价格的预测是投资决策的起点，随着沪深300指数期货的开通和发展，研究指数期货的价格规律意义重大。传统的价格预测模型无论是基于时间序列理论的ARMA、ARIMA，基于人工智能的神经网络，还是基于统计学习的SVM，都无法较好的处理具有模糊性的数据。在此背景下，将模糊理论和时间序列理论结合的模糊时间序列模型较好的解决了数据模糊性问题，然而传统模糊时间序列模型只对一元数据有成熟的思路，并且计算复杂，这些都限制了该模型的应用。
本文研究的目的就是要构建一个多元模型，并且找到新的方法简化计算。为了达到这个目的本文将传统模糊时间序列模型与粗糙集方法相结合，用模糊c聚类离散数据，然后通过粗糙集成熟的模块去处理规则以达到简化计算的目的，本文还尝试了用粗糙集理论计算属性依赖度、重要度，并用数据挖掘算法对规则进行了提炼。论文最后还用沪深300指数期货对模型进行了实证分析，并用准确度指标将本研究构建的模型的输出效果与传统模糊时间序列模型效果、BP神经网络的结果进行了比较，结果表明本文模型输出的结果的准确率与传统模型输出结果的准确率相当，若增加数据量、优化离散方法，模型准确率会进一步提升。

关键词:时间序列；模糊时间序列；粗糙集；模糊c聚类；模糊逻辑关系

*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】