基本信息
- 项目名称：
- 基于小波降噪的Kalman股票预测
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 信息技术
- 大类：
- 自然科学类学术论文
- 简介：
- 本文基于前期对股票风险预报的研究，在对股票时间序列的特征进行分析的基础上，提出了一种股票预测方法，对股票时间序列具有一定的适用性。
- 详细介绍：
- 本文在结合小波分析理论与卡尔曼(Kalman)滤波的基础上提出了基于小波降噪的Kalman预测模型。实验结果表明，经过小波降噪后的数据通过Kalman预测与未经处理的数据得出的预测结果相比，前者更为精确，具有更高的可信度。
作品专业信息
撰写目的和基本思路
- 本文旨在对一种现有的预测方法进行改进，以提高预测的精度。本文在卡尔曼(Kalman)滤波的基础上进行了改进，先对要进行预测的数据进行预处理，再进行预测，从而提高预测的精度。
科学性、先进性及独特之处
- 本文将小波降噪理论和卡尔曼滤波原理相结合，提出了一种新的预测方法。而且本方法具有一定的针对性，在提出本方法之前，我们对股票时间序列特征进行了分析，通过实验证明，本方法能够较好的适应股票时间序列的特点。
应用价值和现实意义
- 本文基于前期对股票风险预报的研究，在对股票时间序列的特征进行分析的基础上，提出了一种股票预测方法，对股票时间序列具有一定的适用性，通过实验，该方法可以较为准确的对股票时间序列进行预测。可以在股市风险预报方面得到一定的应用。
学术论文摘要
- 本文在结合小波分析理论与卡尔曼(Kalman)滤波的基础上提出了基于小波降噪的Kalman预测模型。实验结果表明，经过小波降噪后的数据通过Kalman预测与未经处理的数据得出的预测结果相比，前者更为精确，具有更高的可信度。
获奖情况
- 无
鉴定结果
- 无
参考文献
- 《小波分析理论与MATLAB 2007实现》 《小波分析与应用》 《自适应滤波器原理》
同类课题研究水平概述
- 国内外的研究员关于股市风险预测的研究有很多，总体上可分两个方面，一种是以方差为风险计量指标的预测研究，这主要基于的模型另一种以刀值为风险计量指标的预测研究，将刀值看作随时间变化的风险，用自回归模型对其风险进行预测。随着神经网络方法、小波分析方法以及混沌技术等新的技术出现，出现了很多新的风险预测方法，改变了传统的风险预测模式，突破了传统预测要求时间序列同方差的限制，大大提高了风险预测精度。（由于字数限制，更详请见提交的申请报告）
