作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
介绍
由于直接的经济利益，股票价格预测一直吸引着有兴趣投资股票市场和股票交易所的人。它也是金融界的一个重要研究课题。股票市场收益预测是一个非常复杂的问题，取决于公司财务状况和国家政策等诸多因素。这些天股票价格因公司相关新闻，政治，社会经济条件和自然灾害等诸多原因而受到影响。进行了研究以预测股指指数值以及指数的日变化方向。为了预测股票的未来价格，开发了许多模型，但每个模型都有自己的缺点。从纯数学模型和专家系统到神经网络的先进只能技术也被金融机构使用。在本文中，我们研究使用自回归模型预测股票价格。使用自回归模型是因为其简单性和广泛的可接受性。我们还对自回归模型的有效性进行了研究。 Moore 和 Penrose 技术用于估计回归方程的系数。我们还通过将预测值与一段时间内的实际值进行比较来研究预测的准确性。
模型
本文使用自回归模型来预测股票的未来价格。如果输出变量线性的依赖于其先前的值，则称为自回归。自回归模型将输出变量的当前值定义为其自身过去值和输入变量的当前值的线性组合。相关技术找到所选股票的相关股票。Moore 和 Penrose 技术用于估计回归方程的系数。自回归模型是回归方程。求解回归方程以找到系数，通过使用哪些系数我们预测股票的未来价格。回归分析是一种统计工具，用于研究依赖变量或者响应变量与一个或者多个自变量之间的关系。最初我们从一组证券交易所中选择一个股票交易所，然后我们从同一个证券交易所中选择该股票交易所的股票及其相关股票，以检索他们的过去价值。现在我们使用该历史数据准备输入数据。在该模型中，输入数据被分组为两组，作为训练数据集和测试数据集。训练数据集用关于训练模型并估计自回归方差的未知系数。通过使用 Moore 和 Penrose 伪逆技术估计这些系数。估计系数用于预测股票的未来价格。因此，系数用于测试测试数据集，并且在实际价格和实验价格之间进行比较。
通过这种方式，自回归模型在股票市场价格预测中非常有用。我们将该份额的预测值与如此多的股票的实际价值进行了比较。显示实际值和预测值之间比较的图标如下图：
结论
预测股票市场价格再投资者中非常受欢迎，因为投资者想知道他们将获得投资的回报。传统上，技术分析师和经纪人过去常常根据历史价格，成交量，价格模式和基本趋势来预测股票价格。今天股票价格预测变得非常复杂，因为股票价格不仅受到公司财务状况的影响，而且还受到国家社会经济状况，政治气氛和自然灾害等的影响。股票市场的回报因为传统技术不能给出准确的预测，因此总是存在不确定性和模糊性。在该领域已经进行了大量研究，并且许多金融交易系统也提出了从纯数学模型和专家系统到神经网络的先进智能技术用于股票价格预测。我们使用自回归模型来预测股票的未来价格。该模型非常受欢迎，我们调查非常准确的预测股票价格。我们已经显示在上图中，预测价格和实际价格之间的比较。从图中可以清楚的看出，我们的预测价格几乎与实际股票价格一致。这种预测投资回报的方法将有助于金融机构和股票经纪人在这种不确定的条件下预测未来价格。