English
a hybrid model for stock market forecasting and portfolio selection.pdf
文件大小：
252k
资源说明：Huang, K. Y. , & Jane, C. J. (2009). A hybrid model for stock market forecasting and portfolio selection based on ARX, grey system and RS theories. Expert Systems with Applications, 36 (3), 5387–5392 .
在金融市场中，股票市场的预测和投资组合选择是投资者和金融分析师关注的核心问题。这篇由Huang和Jane在2009年发表的文章“基于ARX、灰色系统和粗集理论的混合模型用于股票市场预测与投资组合选择”提出了一个新的方法，旨在解决这一难题。
文章介绍的混合模型结合了三种理论：ARX（自回归外生）模型、灰色系统理论和粗集（Rough Set, RS）理论。ARX模型是一种统计分析工具，它考虑了内生变量（即时间序列本身）和外生变量（可能影响序列的其他因素），用于预测未来的股票价格走势。通过收集每季度的财务数据，ARX模型能够预测未来一个季度或半年的数据趋势。
接下来，运用灰色系统理论中的GM(1,N)模型对预测数据进行简化处理。灰色系统理论擅长处理不完全信息的系统，GM(1,N)模型可以将非线性系统转化为线性微分方程，从而简化预测过程。
然后，采用K-means聚类算法对简化后的数据进行分类，以识别股票间的相似性和差异性。K-means是一种常见的无监督学习算法，能将数据分为K个类别，有助于找出潜在的投资群体。
接着，粗集理论在此过程中扮演了决策规则的角色。RS理论是一种处理不确定性和不精确信息的有效工具，它通过定义边界和约简来选择适合投资的股票，根据预设的决策规则筛选出最优投资组合。
使用灰色关联分析来确定所选股票的权重，以最大化投资组合的回报率。灰色关联分析可以评估不同股票收益率之间的相关性，为构建多样性和收益平衡的投资组合提供依据。
通过台湾经济期刊（TEJ）的电子股票数据进行实证研究，该方法的预测准确性和投资组合表现与传统的GM(1,1)模型进行了对比。结果表明，提出的混合模型在预测精度和投资回报率上均优于GM(1,1)模型，证明了其在复杂金融市场的有效性和优势。
这个混合模型利用多种理论集成，克服了单一方法的局限性，提高了股票市场预测和投资组合优化的效率，为金融市场分析提供了有价值的工具。对于投资者来说，这种模型可以提供更科学的决策支持，帮助他们更好地应对市场波动，提高投资回报。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
