数学建模预测股市走向

发布时间:   来源:文档文库   
字号:


2012A股市场涨跌预测
摘要
本文主要解决了预估未来一年时间内A股市场的涨跌变化的问题。
首先通过收集2011年的上证A股指数每天开盘后的收盘价,对其进行分析处理,作出A股收盘价指数的走势图观察后,然后对数据作级比分析,得知一部分级比数据不在区间0.9474,1.0555中,故先对数据进行变换,变换后的数据的级比都落在了上述区间中。然后通过分析建立灰色预测GM(1,1模型,代入数据求解模型,并进行参数检验,先进行残差检验,得出预测模型的精度为:96.69%然后进行相关度检验,检验合格;但是在进行后验差检验中的小概率检验时不合格,故又对模型进行残差修正后,用修正模型预测出2012年的上证A股指数的收盘价,但是由于灰色预测模型在预测长期数据时误差有可能增大,故用2011年的实际数据与用灰色预测模型预测2011年收盘价值之间的误差值修正了2012A股指数的预测值。为使预测值更准确,又采用了马尔科可夫链模型预测出每天的涨幅情况来进一步修正预测值,得到了更精确的预测结果。预测上证A股指数在2012233天的收盘价分别为:2236.5 2221.5…1574.7 1601.9。其收盘价走势图为:


关键词:A 灰色预测 马尔可夫链模型 预测







问题重述
未来一年时间A股市场涨跌的评估预计
A股即人民币普通股票,是中国大陆机构和个人投资的主要股票。A股市场的涨跌受经济形势,国家政策,外部环境以及投资者心态等多个因素影响。2011A股市场的上证指数和深成指数都出现暴跌,使投资者蒙受了很大的损失。
请查阅网上的资料和数据。建立数学模型,定量分析并预估未来一年时间内A股市场的涨跌变化。
符号说明
----------为发展灰度数
---------为内生控制灰度
X(t------表示在时间t,t1,2...244时的股票收盘价 r----------表示关联度
SS
1-------- 表示序列X(t的标准差 --------表示绝对误差序列的标准差
2C----------表示方差比
A---------表示对数据划分区间(i1,2,,244
i
p

ij --------表示第i状态转移到第j状态的概率i,j1,2....18
I
0------------表示时刻0处于状态j1,2...18的概率 -----------表示经过k步转移后处于状态j1,2...18的概率
i

k1j模型假设
1)运用的数据的来源是有效的,在统计过程中无错误 2)假设无人为操纵股市的走向,为随机数据
3)假设2009年到2011年无统计数据的日期为股市休息日

模型分析
一、 问题的分析
因为A股指数包括上证A股指数与深成A股指数,选择其中一个进行分析即可,所以就不妨选择上证A股指数201114日到20111230日的每天 1



收盘价的数据,总共244个综合指数收盘价数据排列成时间序列,t1表示201014,t244表示20111230日,设数列{X(t,t1,2,...36}表示时间 t的股票收盘价(见附件A

进行数据处理、分析,做出时间序列图如下图所示。
20113400320030002800260024002200050100150200250
又因为A股指数的走势受经济形势,国家政策,外部环境以及投资者心态等多个因素影响;经济形式因素考虑每年GDPCPI值;国家政策则考虑银行存款利率与银行准备金率;外部环境考虑其他股票对其的影响;投资者心态则考虑A股指数的涨跌情况。通过查阅资料,灰色预测GM(1,1模型[1]是一种对含有不确定因素的系统进行预测的方法,又知股票市场正满足这种情况,又得知马尔可夫链模型[2]研究的是受利率、汇率、通货膨胀率、所属行业前、经营者能力、个人预期及心理因素等多种随机因素的影响,所以先用灰色预测GM(1,1模型对股票市场涨跌变化进行预测。

假定,根据表1得原始时间序列序列:
X(0X((10级比分析
0(0X((2......X,i244 (t00由原始数据X(0的级比((i0((2((3(0(i...((i0,i244
(0(iX((i01X,i2,....244
2




要求级比满足:(0(i(0(i2n1e,e2n10.9474,1.0555 比及判别:利用matlab软件编程(程序见附件1)计算, 数列((i0 0.97050.9474,1.0393((i0107,1.0555,所以不可用原始数据X(0GM(1,1模型. 为此我们先对原始数据X(0做以下变换
X(00iX(0i4maxX(01,X2(0,X3(0....X244(0,i1,2,...244 X(00X((10000X((2...X((t00,t244 X((i001级比: (00(iX(00(i,i2,3....244 2n1要求满足: (00(i2n1e,e0.9474,1.0555 比及判别:利用matlab软件编程(程序见附件2)计算,X(00,且{((i00}(0.9950,1.0067范围内, 所以所有数据均在区间0.9474,1.0555内,则级比检验合格。

经过变换后的序列X(00{X(00(i},i1,2,....244,通过一次累加(X(1(iX((k00k1i生成序列X(1X((i1,i1,2,3...244
模型的建立
X(1建立变量的一阶微分方程GM11)模型【1】为:
dX(1+X(1= 1
dt式中,为发展灰度数,为内生控制灰度。
Z(1X(1Z(1Z((i1,i1,2,...243
3




Z((i10.5(X((i1X((i11
a为待估参数向量,且a,利用最小二乘法求解,可得
^
^ˆ(BTB1BTyn
a式中:
1[X(1(1X(1(2], 1Z(1(2, 1X(00(22(1(1(1(0012[X(2X(3], X(31Z(3, 1记:ynn244 B1[X(1(n1X(1(n], 1Z(1(n, 1X(00(n2
求解微分方程,预测模型: X^(1(k1[X(100k]e,k0,1,2....,n 模型的求解
首先,利用matlab软件编程(程序见附件3)计算得参数: 即:0.00019343 15971
又由:X(115793(10082567337.0211446 0.00019343k
代入参数最后得到的模型为:
X
^(k1-82551544.0211446 e82567337.0211446 ,k0,1,2....,n
模型的检验
1参数的检验
因为:模型中参数的取值范围:
2a,n12-0.007843137,0.007843137 n1在此范围内,故此灰色预测模型适用 2灰色预测模型的精度检验

灰色预测精度检验有残差检验、关联度检验和后验差检验。 1残差检验

4




11 按预测模型计算得预测值^(i,i1,2,3...244^(i经过一次累减生成XX^00(i,i1,2,...,244 X其中X^00(iX^1(iX^1(i1,i2,3..244,X^00(1X^1(1
数据的变换还原:
^(0^00(i4maxXX(i绝对误差:X(01,X2(0,X3(0....X244(0,i1,2....,244
ˆ(0|(i1,2,...,n(i|X((i0Xi(i(i100%(i1,2,...,nX((i0
相对误差:
通过MATLBA软件计算(见附件4)得:
244(i00i1100% P为精度 P=1n1

通过MATLBA软件计算(见附件4: P0.9669 所以运用该模型进行预测的精度为:96.69%
2)关联度检验 关联系数(i0min(imax(i,i1,2....,244
(imax(i1则关联度为:r244(i0.6840i12440.6
所以关联度检验合格。 3)后验差检验
原始序列的标准差:
S1Xi(0X244i1(02243 242.6074

5




绝对误差序列的标准差:
S
2
(i244i12243 71.7264
方差比为;
CSS210.2956

计算小误差概率
S
00.6745*S1 163.6387
ei|(i|
比较eiS0可知(见附件5ei中有7个值大于S0,所以小概率检验不合格。
(3 模型的修正
因为原预测模型:
X
^(1(k1-82551544.0211446 e0.0010589k82567337.0211446 ,k0,1,2....,n
^1,i1,2,3...244(iXXee(1(i,i1,2,3...244
重新定义残差:
(0(iX(1(i_X^1(i
对残差数列进行一次累加得:
(1(ie(k,i1,2,....n
k1i(0ee^(1(i可以建立相应的GM(1,1模型: (1keee (k1e(1ee(1所以修正模型为:

6




X
X
^(1^(1(k1[X00(1k1,k2kee,(k1(1]e(k1(ee(10,k2ee运用matlab软件求解(见附件6)修正模型:
(k1-82551544.0211446 e0.00019343k82567337.0211446 197.6101(k1e0.0022k1,k2,(k1 ,k0,1,2....,n0,k2运用模型进行预测
根据修正模型得到最后的预测模型为:
^
0
X(k1X^(1(k1X^(1(k4maxX(01,X2(0,X3(0....X244(0
预测2012年的243天股票开盘的上证指数的收盘价(见附件B)的图形走势图为:

又知运用灰色模型进行长期预测会出现较大的误差,可以用2011年每天开盘价实际值与用该模型预测2011年每天的预测值之间的误差去修正2012年每天开盘C
7






马尔可夫链模型对预测进行优化
问题的分析

因为A股指数的走势受经济形势,国家政策,外部环境以及投资者心态等多个因素影响;经济形式因素考虑每年GDPCPI值;国家政策则考虑银行存款利率与银行准备金率;外部环境考虑其他股票对其的影响;投资者心态则考虑A股指数的涨跌情况。因为马尔可夫链模型研究的是受利率、汇率、通货膨胀率、所属行业前、经营者能力、个人预期及心理因素等多种随机因素的影响,所以采用马尔可夫链模型对2012年股票市场涨跌变化进行预测。
首先对2011年的每天开盘后的收盘价数据进行累减,得出相邻两天的涨幅如下表:
从表中可知最低跌幅为-104点,最高涨幅为77.8点,X(t为每天的涨幅,然后对数据进行划分为18个状态:[-110,-90,[-90,-80, [-80,-70, [-70,-60,……[70,80。分别用a1,a2,,a18表示这些状态。
然后用matlab软件编程(附件10求得每天涨幅在这些状态的频数: A1 . . . . . . . . . . . . . . . A18 1 6 1 4 3 16 5 27 23 39 45 19 16 17 11 5 2 3
及确定状态转移频数下表:


8




A1 . . . . . . . . . . . . . . . . A18 A1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 . 0 0 0 0 0 0 1 0 0 1 1 0 0 2 0 1 0 0 . 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 . 0 0 0 0 0 0 0 0 0 0 3 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 2 4 5 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 2 0 0 1 0 0 0 0 0 0 0 0 0 5 0 3 3 7 4 0 2 2 0 1 0 0 0 0 1 0 0 1 1 3 1 5 2 1 4 1 2 0 0 0 1 1 0 1 2 1 0 8 5 3 4 6 1 4 1 0 0 1 0 2 0 2 0 2 0 4 5 8 4 5 2 5 3 2 0 1 0 1 0 0 0 2 1 1 1 1 3 2 2 1 2 0 1 1 0 0 0 0 0 3 1 1 0 3 6 1 1 0 0 0 0 0 0 1 0 0 0 1 1 1 1 4 4 2 1 0 1 0 0 0 0 0 0 0 1 1 0 2 2 1 2 0 0 1 0 1 0 0 0 1 0 0 0 0 0 0 1 1 1 0 0 0 1 0 0 0 A18 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 2 1 0 0 0 0 0 1 0 0 0 0 0 0 0




又知对上述数据划分为18个区间, 可知有18个互不相容的状态, 其中:
p
ij ij1,2..18表示第i状态转移到第j状态的概率。
(0(0(0(0设为:I0(i1,i2...i18, ij表示时刻0处于状态j1,2...18的概率,若经过k步转移后处于状态j的概率为ijC_K[3]方程ijIk1ij(k1k1(k1iji118(kpij,j1,2...18
称此方程为马尔可夫链预测模型。


9




(k17(ki1i1pi1i17(k(k1i2pi2i2i1.展开方程有:
..7(k(k1ii1818pi18i1变形为: .p11......(k1(k1(k1(k1(k(k(k(k(i1,i2,i3...i18(i1,i2,i3...i18..........p.18118.......................................pij...........................................
....p1818118p其中:矩阵P 中每一横行为某一状态下各种情况转移的概率. 且: Pij1,i1,2,3,....,18
j1模型的建立
综上所述, 马尔可夫链预测模型为: I模型的求解
k1=Ikp(ij1818
因为,X(24327.1a13,则知状态转移到了a13,出现在状态a13的次数增加一次,总次数为17,对应的概率为aij除以相应X(t落在对应状态区间的频数,求得状态转移概率(见附件D 所以得到概率矩阵(见附件10)为:
P11P118p(ij1818=
P181P1818
所以所求解的马尔可夫链预测模型为:

Ik1=Ikp(ij1818

10




运用模型预测2012年每天开盘后的涨幅如下表:第一天涨幅为20-30点,后每天均涨幅0-10点。所以再用涨幅去修正用灰色预测预测2012年每天开盘后的收盘上涨指数的值,得到走势图为:

所以,综上所述可知,2012年的上证A股指数的收盘价在将一月处于下跌状态,最低可下跌到2100点,到二到三月将呈现上涨趋势,最高可涨到2500点左右,然后在接下来的几个月将一直呈现下跌趋势,到年底可能跌破1600点。

模型的评价
通过对2011A股上证指数的每天的收盘价进行分析,建立了灰色模型,模型的精度为96.69%说明预测精度较高,可以用来对2012年上证A股指数收盘价进行预测,但是用灰色模型预测长期数据可能会出现较大的误差,所以先用灰色模型预测出2011年的收盘价,然后用2011年的上证A股指数的收盘价减去预测值,得到预测的误差,然后去修正2012年用灰色模型的预测值,这样能使精度更高。因为马尔可夫链模型不仅可以预测事物未来某一时刻的状态,而且可以分析事物发展的长期平衡条件,还研究的是受利率、汇率、通货膨胀率、所属行业前、经营者能力、个人预期及心理因素等多种随机因素的影响,普通投资者无法对这些因素进行全面且恰当的综合分析,所以此模型可供普通投资者作参考。然后运用马尔科夫链模型对数据进行进一步的修正。
因为A股市场的涨跌受经济形势,国家政策,外部环境以及投资者心态等多个因素影响。所以灰色预测及马尔可夫链模型做预测的值与实际值可能存在一些差异。

参考文献

11




1 林军,陈翰林,数学建模教程(第一版),北京:科学出版社,2011 2 徐国祥,统计预测与决策(第三版),上海:上海财经大学出版社,2008 3 网站:http://wenku.baidu.com/view/698314c69ec3d5bbfd0a7482.html
百度文库, 台文志:《利用马尔可夫链模型预测股票市场的近期走势》, 查询时间:2012/4/8 800 4 网站:http://wenku.baidu.com/view/38e7264ecf84b9d529ea7a00.html 百度文库,彭冲:《基于无偏灰色模糊马尔可夫链法的股价预测方法探究---以万科A股为例》 青岛大学 查询时间:2012/4/7 2300 5 上证A股综指日数据,
网址http://wenku.baidu.com/view/7ef894edb8f67c1cfad6b81c.html

附件
附件1 X0=[2987 2972.2

2887.7 2904.5 2989.9 3141.4 2957.1 2972.4 2923 2935.9 2803.1 3035.9 2954 2960.7 2836 2878.3 3061.7 2922.5 2833.8 2836.42803.3 2950.7 2997.3 3143.7 2842.8 2960.3 3014.1 3096.4 2822.2 3035.7 2882 2921.8 3036.3 3080.9 3033.7 2930.53070.43137.43043.73142.83064.9 3014 3041.8 3071.8 3056.3 3051 3039.7 3068.8 3075.8 3032.5 3097.4 3185.9 3063.8 3019.6 2897.7 3046 3056.4 3149.6 3148.5 3001.4 2987.5 2834.5 2860.8 2889.6 2930.4 3087.2 3085.3 3118 3124.5 3194.1 3077.2 3027.2 2905.8 3095 3065.9 3194.3 3023.9 2978.4 2871.3 3107.2 3172.8 3169.1 3008.1 3008.4 2873.1 2834.9 2890.5 2935.5 3165.1 3152.1 2999.2 2994.6 2873.1 2791.8 2858.3 2885.3 3163.7 3104.4 3008.1 2993.5 3201.6 3049.2 3006.7 2865.9 3140.23070.72983.62838.128302833 2856.9 2769.2 2893.5 2874.2 2880.7 2832.4 2834.7 2746.5 2890.6 2772.8 2946.5 2775.5 2950.2 2816.2 2943.9 2877.12926.82896.92750.52654.32928 2943.7 2836.8 2703.9 2739.4 2635.3 2632.1 2953.8 2950.2 2929.6 2926.6 2902 2816.1 2646.5 2635.1 2648.1 2600.1 2477.5 2831 2852.3 2669.9 2661.6 2587.6 2563.8 2829.5 2831.6 2805.8 2805 2810.8 2680.7 2645.8 2675.2 2596.3 2553.4 2471.1 2716 2751.2 2736.2 2617.3 2558.8 2731.7 2724.5 2698.7 2616.1 2548.5 2546.8 2688.3 2588.4 2506.8 2556.3 2689.1 2602.6 2529.7 2496.6 2677.22596.62505.52490.32456 2460.1 2523.9 2535 2554.6 2542.6 2442 2427.3 2626.9 2583.8 2500.6 2482.8 2551.1 2590.6 2585.1 2587 2622.82649.62444.42648.2 2579.7 2473.5 2628.8 2531.1 2444.9 2622.6 2529.6 2644.7 2597.1 2598.7 2648.6 2527 2508.6 2440.9 2511.2 2425.6 2493 2496 2526.8 2400.8 2437 2444.1 2356 2334.9
12




];
2285 2330.8 2277 2304.1 2323.9 2321.5 2295.5 2290.3 2309.7 2294.3 2269.4 2273.3n=length(X0 for i=1:n-1 jibi(i=X0(i/X0(i+1; end jibimax=max(jibi jibimin=min(jibi fugai=0; nofugai=0; for i=1:n-1 if jibi(i>exp(-2/(n+1 & jibi(i fugai=fugai+1; else nofugai=nofugai+1; end end fugai nofugai 附件2 max1=max(X0 X00=X0+4*max1; n=length(X00; for i=1:n-1 jibi(i=X00(i/X00(i+1; end jibimax=max(jibi jibimin=min(jibi fugai=0; nofugai=0; for i=1:n-1 if jibi(i>exp(-2/(n+1 & jibi(i fugai=fugai+1; else nofugai=nofugai+1;
13




end end fugai nofugai 附件3 max1=max(X0 X00=X0+4*max1; n=length(X00; for i=1:n leijia(i=sum(X00(1:i; end for i=1:n-1 junzhi(i,1=-(leijia(i+leijia(i+1/2;% end
junzhi=[junzhi ones(n-1,1];%均值序列 y=X00(2:n; yn=y'; a=(junzhi'*junzhi^(-1*junzhi'*yn%待估参数 附件4 max1=max(X0 X00=X0+4*max1; n=length(X00 for i=1:n leijia(i=sum(X00(1:i; end for i=1:n-1 junzhi(i,1=-(leijia(i+leijia(i+1/2; end junzhi=[junzhi ones(n-1,1]; y=X00(2:n; y=y'; a=(junzhi'*junzhi^(-1*junzhi'*y for k=0:n-1 yuce(k+1=-82551544.0211446*exp(-0.00019343*k+82567337.0211446 ; end
14





for i=2:n yc(i=yuce(i-yuce(i-1; end yc(1=yuce(1 yc=yc';
yucezhi=yc-4*max1; xiangduwucha=abs(yucezhi-X0'; xdl=xiangduwucha./(X0' p=sum(xdl/(n-1; p0=1-p 附件5 max1=max(X0 X00=X0+4*max1; n=length(X00 for i=1:n leijia(i=sum(X00(1:i; end for i=1:n-1 junzhi(i,1=-(leijia(i+leijia(i+1/2; end junzhi=[junzhi ones(n-1,1]; y=X00(2:n; y=y'; a=(junzhi'*junzhi^(-1*junzhi'*y for k=0:n-1 yuce(k+1=-82551544.0211446*exp(-0.00019343*k+82567337.0211446; end
for i=2:n yc(i=yuce(i-yuce(i-1; end yc(1=yuce(1 yc=yc';
yucezhi=yc-4*max1;
xiangduiwucha=abs(yucezhi-X0';
r=(min(xiangduiwucha+0.5*max(xiangduiwucha./(xiangduiwucha+0.5*max(xiangduiwucha;
15




s11=(X0-sum(X0/n.^2; s1=sum(s11; S1=sqrt(s1/(n-1 s22=(xiangduiwucha-sum(xiangduiwucha/n.^2; s2=sum(s22; S2=sqrt(s2/(n-1 C=S2/S1 e=abs(xiangduiwucha-sum(xiangduiwucha/n S0=0.6745*S1 count=0; for i=1:n if e(i>S0 count=count+1; end end count 附件6 max1=max(X0 X00=X0+4*max1; n=length(X00 for i=1:n leijia(i=sum(X00(1:i; end for k=0:n-1 yuce(k+1=-82551544.0211446*exp(-0.00019343*k+82567337.0211446; end e1=leijia-yuce; for i=1:n e11(i=sum(e1(1:i; end for i=1:n-1 junzhi(i=(e11(i+e11(i+1/5; end junzhi=[junzhi' ones(n-1,1]; yn=e1(2:n; a=(junzhi'*junzhi^(-1*junzhi'*yn' 附件7

16




for k=245:488 X(k+1-245=-82551544.0211446*exp(-0.00019343*k+82567337.0211446+197.6106*exp(-0.0022*k; end
for k=1:243 yuce(k=X(k+1-X(k-12806; end
plot([1:243],yuce 附件8 for k=245:488 X(k+1-245=-82551544.0211446*exp(-0.00019343*k+82567337.0211446+197.6106*exp(-0.0022*k; end for k=1:243 yuce(k=X(k+1-X(k-12806; end for k=1:244 X1(k=-82551544.0211446*exp(-0.00019343*k+82567337.0211446+197.6106*exp(-0.0022*k; end for k=1:243 yuce1(k=X1(k+1-X1(k-12806; end X0=[2987 2972.2

2887.7 2904.5 2989.9 3141.4 2957.1 2972.4 2923 2935.9 2803.1 3035.9 2954 2960.7 2836 2878.3 3061.7 2922.5 2833.8 2836.42803.3 2950.7 2997.3 3143.7 2842.8 2960.3 3014.1 3096.4 2822.2 3035.7 2882 2921.8 3036.3 3080.9 3033.7 2930.53070.43137.43043.73142.83064.9 3014 3041.8 3071.8 3056.3 3051 3039.7 3068.8 3075.8 3032.5 3097.4 3185.9 3063.8 3019.6 2897.7 3046 3056.4 3149.6 3148.5 3001.4 2987.5 2834.5 2860.8 2889.6 2930.4 3087.2 3085.3 3118 3124.5 3194.1 3077.2 3027.2 2905.8 3095 3065.9 3194.3 3023.9 2978.4 2871.3 3107.2 3172.8 3169.1 3008.1 3008.4 2873.1 2834.9 2890.5 2935.5 3165.1 3152.1 2999.2 2994.6 2873.1 2791.8 2858.3 2885.3 3163.7 3104.4 3008.1 2993.5 3201.6 3049.2 3006.7 2865.9 3140.23070.72983.62838.128302833 2856.9 2769.2 2893.5 2874.2 2880.7 2832.4 2834.7 2746.5 2890.6 2772.8 2946.5 2775.5 2950.2 2816.2 2943.9 2877.12926.82896.92928 2943.7 2953.8 2950.2 2929.6 2926.6
17





]; 2902 2816.1 2646.5 2635.1 2648.1 2600.1 2477.5 2831 2852.3 2669.9 2661.6 2587.6 2563.8 2836.8 2703.9 2739.4 2635.3 2632.1 2829.5 2831.6 2805.8 2805 2810.8 2680.7 2750.52654.32645.8 2675.2 2596.3 2553.4 2471.1 2716 2751.2 2736.2 2617.3 2558.8 2731.7 2724.5 2698.7 2616.1 2548.5 2546.8 2688.3 2588.4 2506.8 2556.3 2689.1 2602.6 2529.7 2496.6 2677.22596.62505.52490.32456 2460.1 2523.9 2535 2554.6 2542.6 2442 2427.3 2626.9 2583.8 2500.6 2482.8 2551.1 2590.6 2585.1 2587 2622.82649.62444.42648.2 2579.7 2473.5 2628.8 2531.1 2444.9 2622.6 2529.6 2644.7 2597.1 2598.7 2648.6 2527 2508.6 2440.9 2290.3 2511.2 2425.6 2309.7 2493 2496 2526.8 2400.8 2294.3 2437 2444.1 2295.5 2356 2334.92269.4 2273.32285 2330.8 2277 2304.1 2323.9 2321.5 xiuzhenzhi=X0(2:244-yuce1;
yuce=xiuzhenzhi+yuce; plot([1:243],yuce 附件9 for k=245:488 X(k+1-245=-82551544.0211446*exp(-0.00019343*k+82567337.0211446+197.6106*exp(-0.0022*k; end for k=1:243 yuce(k=X(k+1-X(k-12806; end for k=1:244 X1(k=-82551544.0211446*exp(-0.00019343*k+82567337.0211446+197.6106*exp(-0.0022*k; end for k=1:243 yuce1(k=X1(k+1-X1(k-12806; end X0=[2987 2972.2

2887.7 2904.5 2989.9 3141.4 2957.1 2972.4 2923 2935.9 2803.1 3035.9 2954 2960.7 2836 2878.3 3061.7 2922.5 2833.8 2836.42803.3 2950.7 2997.3 3143.7 2842.8 2960.3 3014.1 3096.4 2822.2 3035.7 2882 2921.8 3036.3 3080.9 3033.7 2930.53070.43137.43043.73142.83064.9 3014 3041.8 3071.8 3056.3 3051 3039.7 3068.8 3075.8 3032.5 3097.4 3046 3056.4 3087.2 3085.3 3118 3124.5 3095 3065.9 3107.2
18





]; 3149.6 3148.5 3001.4 2987.5 2834.5 2860.8 2889.6 2930.4 3172.8 3169.1 3008.1 3008.4 2873.1 2834.9 2890.5 2935.5 3165.1 3152.1 2999.2 2994.6 2873.1 2791.8 2858.3 2885.3 3163.7 3104.4 3008.1 2993.5 3194.1 3077.2 3027.2 2905.8 3185.9 3063.8 3019.6 2897.7 3194.3 3023.9 2978.4 2871.3 3201.6 3049.2 3006.7 2865.9 3140.23070.72983.62838.128302833 2856.9 2769.2 2893.5 2874.2 2880.7 2832.4 2834.7 2746.5 2890.6 2772.8 2946.5 2775.5 2950.2 2816.2 2943.9 2877.12926.82896.92750.52654.32928 2943.7 2836.8 2703.9 2739.4 2635.3 2632.1 2953.8 2950.2 2929.6 2926.6 2902 2816.1 2646.5 2635.1 2648.1 2600.1 2477.5 2831 2852.3 2669.9 2661.6 2587.6 2563.8 2829.5 2831.6 2805.8 2805 2810.8 2680.7 2645.8 2675.2 2596.3 2553.4 2471.1 2716 2751.2 2736.2 2617.3 2558.8 2731.7 2724.5 2698.7 2616.1 2548.5 2546.8 2688.3 2588.4 2506.8 2556.3 2689.1 2602.6 2529.7 2496.6 2677.22596.62505.52490.32456 2460.1 2523.9 2535 2554.6 2542.6 2442 2427.3 2626.9 2583.8 2500.6 2482.8 2551.1 2590.6 2585.1 2587 2622.82649.62444.42648.2 2579.7 2473.5 2628.8 2531.1 2444.9 2622.6 2529.6 2644.7 2597.1 2598.7 2648.6 2527 2508.6 2440.9 2290.3 2511.2 2425.6 2309.7 2493 2496 2526.8 2400.8 2294.3 2437 2444.1 2295.5 2356 2334.92269.4 2273.32285 2330.8 2277 2304.1 2323.9 2321.5 xiuzhenzhi=X0(2:244-yuce1;
yuce=xiuzhenzhi+yuce; yuce1(1=yuce(1+20; yuce1(2:243=yuce(2:243; yuce2(1=yuce(1+30; yuce2(2:243=yuce(2:243+10; plot([1:243],yuce1,[1:243],yuce2 附件10
clear shoupan=[2987 2972.2

2836.4 2930.5 3070.4 3137.4 3043.7 2887.7 2904.5 2989.9 3141.4 2957.1 2803.3 2950.7 2997.3 3143.7 2972.4 2842.8 2960.3 3014.1 3096.4 2923 2935.9 2822.2 3035.7 2954 2960.7 2922.5 2833.82803.1 3035.9 2836 2878.3 3061.7 2882 2921.83036.33080.93033.73107.23064.9 3014 3041.8 3071.8 3056.3 3051 3039.7 3068.8 3075.8 3032.5 3097.4 3046 3056.4 3087.2 3085.3 3118 3124.5 3095 3065.9
19





]; 3142.8 3140.2 3070.7 2983.6 2838.1 3149.6 3148.5 3001.4 2987.5 2834.5 3172.8 3169.1 3008.1 3008.4 2873.1 3165.1 3152.1 2999.2 2994.6 2873.1 3163.7 3104.4 3008.1 2993.5 3194.1 3077.2 3027.2 2905.8 3185.9 3063.8 3019.6 2897.7 3194.3 3023.9 2978.4 2871.3 3201.63049.23006.72865.92834.72877.12833 2856.9 2746.5 2874.2 2772.8 2880.7 2775.5 2832.4 2816.2 2830 2860.8 2889.6 2930.4 2834.9 2791.8 2769.2 2890.5 2935.5 2858.3 2885.3 2893.5 2890.6 2946.5 2950.2 2943.9 2926.82896.92750.52654.32928 2943.7 2836.8 2703.9 2739.4 2635.3 2632.1 2953.8 2950.2 2929.6 2926.6 2902 2816.1 2646.5 2635.1 2648.1 2600.1 2477.5 2831 2852.3 2669.9 2661.6 2587.6 2563.8 2829.5 2831.6 2805.8 2805 2810.8 2680.7 2645.8 2675.2 2596.3 2553.4 2471.1 2716 2751.2 2736.2 2617.3 2558.8 2731.7 2724.5 2698.7 2616.1 2548.5 2546.8 2688.3 2588.4 2506.8 2556.3 2689.1 2602.6 2529.7 2496.6 2677.22596.62505.52490.32456 2460.1 2523.9 2535 2554.6 2542.6 2442 2427.3 2626.9 2583.8 2500.6 2482.8 2551.1 2590.6 2585.1 2587 2622.82649.62444.42648.2 2579.7 2473.5 2628.8 2531.1 2444.9 2622.6 2529.6 2644.7 2597.1 2598.7 2648.6 2527 2508.6 2440.9 2290.3 2511.2 2425.6 2309.7 2493 2496 2526.8 2400.8 2294.3 2437 2444.1 2295.5 2356 2334.92269.4 2273.32285 2330.8 2277 2304.1 2323.9 2321.5 n=length(shoupan; for i=1:n-1 zhangfu(i=shoupan(i+1-shoupan(i; end n=0; n=length(zhangfu; min1=min(zhangfu;%-104 max1=max(zhangfu;%77.8 qujian=[-90:10:80]; qujian=[-110 qujian]; n1=length(qujian;%151 %确定每天收盘价落在各个区间的频数 pinshu=[]; for j=1:n1-1 s=0; for i=1:n
20




if zhangfu(i=qujian(j s=s+1; end end
pinshu(j=s; end zhuangtai=zeros(n1-1,n1-1;%确定状态i转移到状态j的个数
for k=1:n-1 for i=1:n1-1 if zhangfu(k>=qujian(i & zhangfu(k for j=1:n1-1 if zhangfu(k+1>=qujian(j & zhangfu(k+1 zhuangtai(i,j=zhuangtai(i,j+1; end end end end end
%确定倒数第二格数据在那个区间 weizhi=0; for i=1:n1-1 if zhangfu(n-1>=qujian(i & zhangfu(n-1 weizhi=i end end %确定i状态到j状态的概率 P=[];%概率矩阵 for i=1:n1-1 for j=1:n1-1 P(i,j=zhuangtai(i,j/pinshu(i; end end P(weizhi,:=0;%重新计算第位置weizhi的状态概率
for i=1:n1-1
21




P(weizhi,i=zhuangtai(weizhi,i/(pinshu(weizhi-1; end I0=zeros(1,n1-1; I0(weizhi=1; I=[]; I(1,:=I0*P; for i=2:243 I(i,:=I(i-1,:*P; end n3=length(I; for i=1:243 for j=1:18 if I(i,j==max(I(i,: q(i=j; end end end 附件A 2987 2972.2

2887.7 2904.5 2989.9 3141.4 2957.1 2803.3 2950.7 2997.3 3143.7 2972.4 2842.8 2960.3 3014.1 3096.4 2923 2935.9 2822.2 3035.7 2954 2960.7 2922.5 2833.8 2836.42930.53070.43137.43043.73142.82803.1 3035.9 2836 2878.3 3061.7 2882 2921.8 3036.3 3080.9 3033.7 3064.9 3014 3041.8 3071.8 3056.3 3051 3039.7 3068.8 3075.8 3032.5 3097.4 3185.9 3063.8 3019.6 2897.7 3046 3056.4 3149.6 3148.5 3001.4 2987.5 2834.5 2860.8 2889.6 2930.4 3087.2 3085.3 3118 3124.5 3194.1 3077.2 3027.2 2905.8 3095 3065.9 3194.3 3023.9 2978.4 2871.3 3107.2 3172.8 3169.1 3008.1 3008.4 2873.1 2834.9 2890.5 2935.5 3165.1 3152.1 2999.2 2994.6 2873.1 2791.8 2858.3 2885.3 3163.7 3104.4 3008.1 2993.5 3201.6 3049.2 3006.7 2865.9 3140.23070.72983.62838.128302833 2856.9 2769.2 2893.5 2874.2 2880.7 2832.4 2834.7 2746.5 2890.6 2772.8 2946.5 2775.5 2950.2 2816.2 2943.9 2877.12926.82896.92750.52654.32928 2943.7 2836.8 2703.9 2953.8 2950.2 2929.6 2926.6 2902 2816.1 2646.5 2831 2852.3 2669.9 2829.5 2831.6 2805.8 2805 2810.8 2680.7 2645.8 2716 2751.2 2731.7 2724.5
22






2635.1 2648.1 2600.1 2477.5 2675.2 2596.3 2553.4 2471.1 2661.6 2587.6 2563.8 2739.4 2635.3 2632.1 2736.2 2617.3 2558.8 2698.7 2616.1 2548.5 2546.8 2688.3 2588.4 2506.8 2556.3 2689.1 2602.6 2529.7 2496.6 2677.22596.62505.52490.32456 2460.1 2523.9 2535 2554.6 2542.6 2442 2427.3 2626.9 2583.8 2500.6 2482.8 2551.1 2590.6 2585.1 2587 2622.82649.62444.42648.2 2579.7 2473.5 2628.8 2531.1 2444.9 2622.6 2529.6 2644.7 2597.1 2598.7 2648.6 2527 2508.6 2440.9 2290.3 2511.2 2425.6 2309.7 2493 2496 2526.8 2400.8 2294.3 2437 2444.1 2295.5 2356 2334.92269.4 2273.32285 2330.8 2277 2304.1 2323.9 2321.5 附件B 2421.1

2418.2
2415.3
2412.3
2409.4
2406.4
2403.5
2400.5
2397.6
2394.72391.7 2362.4 2388.8 2359.4 2385.8 2356.5 2382.9 2353.6 2380 2377 2374.1 2350.6 2347.7 2371.2 2344.8 2368.2 2341.8 2365.32338.92309.62336 2333.1 2306.7 2277.5 2248.4 2219.3 2190.3 2161.3 2132.4 2103.5 2074.7 2048.8 2330.1 2327.2 2324.3 2321.3 2318.4 2315.5 2312.6 2303.8 2274.6 2245.5 2216.4 2187.4 2158.4 2129.5 2100.6 2071.8 2045.9 2300.9 2271.7 2242.6 2213.5 2184.5 2155.5 2126.6 2097.7 2068.9 2043.1 2298 2295 2292.1 2268.8 2239.6 2210.6 2181.6 2152.6 2123.7 2094.9 2066.1 2040.2 2265.9 2236.7 2207.7 2178.7 2149.7 2120.8 2289.2 2262.9 2233.8 2204.8 2175.8 2146.8 2117.9 2286.3 2283.4 2280.42251.32222.22193.22164.22135.32106.42077.62260 2257.1 2230.9 2201.9 2172.9 2143.9 2254.2 2228 2225.1 2199 2196.1 2170 2167.1 2141 2138.1 2109.3 2080.5 2115 2112.2 2083.3 2092 2089.1 2063.2 2037.3 2086.2 2060.3 2034.5 2057.4 2031.6 2054.6 2028.7 2051.72025.91997.21968.619402023 2020.1 1994.3 1965.7 1937.2 1911.6 1883.1 1857.6 1832.1 1806.6 1778.4 2017.2 2014.4 2011.5 2008.7 2005.8 2002.9 1974.3 1945.8 2000.1 1971.5 1942.9 1991.5 1962.9 1934.3 1908.7 1880.3 1854.7 1829.2 1803.8 1775.6 1988.6 1985.7 1982.9 1980 1977.2 1948.6 1960 1957.2 1931.5 1905.9 1877.4 1851.9 1826.4 1954.3 1951.5 1928.6 1925.8 1922.9 1920.1 1917.2 1914.418861903 1900.2 1874.6 1849.1 1823.6 1897.3 1894.5 1891.6 1888.8 1871.8 1846.2 1820.7 1868.9 1843.4 1817.9 1866.1 1840.6 1815.1 1863.2 1837.7 1812.3 1860.41834.91809.41801 1798.1 1772.7 1795.3 1792.5 1789.7 1786.8 1784 1781.21755.81727.71769.9 1767.1 1764.3 1761.5 1758.6 1753 1750.2 1724.9 1747.4 1744.6 1741.8 1738.9 1736.1 1733.3 1730.5
23




附件C 2236.5

2221.5
2236.9
2187.7
2200.7 2219 2225.8 2102.4 2303.6 2310.7 2187.8 2144.8 2329.5 2325.4 2099.2 2148.7 2332.8 2320.2 2101.92188.62304.42309.12314.62153.4 2197.5 2338.6 2350.4 2069.1 2171.6 2258.3 2108.8 2217.9 2265.8 2088.3 2227.7 2282.8 2069.3 2303.2 2282.8 2407 2411.2 2358.5 2413.6 2356.8 2366.5 2389.6 2342 2346.1 2396.2 2467.3 2303 2339.4 2304.5 2317 2327.6 2415.3 2422.4 2283.4 2284.9 2150.9 2071.1 2138.9 2167.1 2114.2 1930.4 1947.7 1874.9 1852.4 2369.3 2459.2 2367 2338.1 2467.7 2379.52413.92276.52422.2 2443.1 2274.6 2271.3 2445.5 2426.2 2283.6 2270.3 2438 2436.7 2378.7 2302.9 2182.7 2152.5 2052.5 2227.5 2475.2 2351.6 2295.4 2174.8 2159.2 2055.4 2231.3 2338.4 2254.4 2148.5 2298.6 2282.8 2143.3 2324 2345.7 2259.8 2115.6 2263.92112.12114.12151 2111 2135.1 2048.6 2174.2 2209.9 2135.6 1954.6 2025.6 1922.8 1920.8 2026.1 2171.4 2225.8 2120.3 1988.7 2022.6 1904.9 1847.6 2111 2113.4 2096.2 2225.1 2108.9 2139.8 2157.2 2208.2 2169.9 2211.9 2170.92217.22099.12236 2232.6 2113.1 2212.1 2209.2 2179.7 2184.9 2115.3 2089.7 2089 2095 2034.8 1966.2 1964.1 1884.8 1794.9 1930.91961.12001 2036.3 1985.2 1903.8 1837.5 2017 2009.9 1975.9 1890.6 1818.9 1940 1920.9 1935.2 1888.4 1974.9 1876.3 1795.9 1883.51841.81745.817741915.31767 1760.8 1718.3 1921.3 1750 1825.1 1815.2 1937.5 1805.5 1739.6 1618.3 1844.8 1837.1 1882.3 1941.8 1846.8 1787.2 1781.1 1919.2 1732.9 1940.6 1834 1842.7 1890 1891.8 1787.4 1736.6 1592.4 1877 1879 1914.9 1943 1877.3 1739.3 1652.1 1591.6 1873.3 1795.6 1631.1 1566.8 1824.9 1768.6 1581.4 1570.9 1823.5 1740.2 1627.3 1574.7 1821 1802.81732.41620.51601.9 1790.6 1721.4 1587.3 1821.5 1696.7 1606.9 附件D
p
11 p21 p31
0 0 0
0
0
0 0 0.
0.
0 0 0
0
0
0
0
0
0 0.25 0.66667 0.0.0.0.0.0
0
0
0 0.33333 0.0 0 0
0
0 0
0 0
0
0
0
0
0
0 0.25 0.5
0
0
0
0
0
0 0
p12















p118


24




310.2 060.2 0.11111 06125 0 0.1481120.2 0.0370180.2 0.0370060.2 0.03700625 25 25
0
0
0 0 0.

0 0 0
0 037037 0 0.11111 0 0 0 0.11111 0 0.2963 5 75 25 25 0 0.07400 0 0
0
0 0
5 37 37 37 74
0 0 0.

0 025641 0.
0 022727
0 0
0 0 0.

0 11765
0 0
0 0.2
0 0 p180 0 1

0
0
0
0
0
0 0.0.0 0604815482 55 0 0 0
0.0 060 25
0
0
0
0
0
0 0 0
0
0
.
0
0
5
0
0
0
0.0.0.0.080413046934043457 78 3 78 0.0.0.0.10021712255694826 41 9 1 0.0.0.0.11040904365409544 55 09 55 0.0.05260 0 052632 32 0.0.060 120.25 5 25 0.0.0.0 05110588768824 5 24 0.0 0 0 18182 0 0 0.2 0 0 0 0 0 0 0 0 0
25 0.0.0.2121047373349 9 78 0.0.0.07200269515623 3 41 0.0.0.09090609098109 09 82 0.0.0.3126105731529 6 6 0.0.0.06121225 5 5 0.0.0.2329055241889 2 24 0.0.0.09271809271809 3 2 0 0.4 0 0 0 0.5 0.0.0.3333333333333 3 3 0.0.0 0408346978 57 0.0.0.07100269255623 6 41 0.0.0.1309046309546 09 55 0.0.051026520 32 6 0.0.06060 25 25 0.0 0 058824 0.0 09090 09 0 0 0.2 0 0 0 0 0 0 0.0.04340 043478 78 0.02560 0 41 0.0.0204270 5427 55 0.0 05260 32 0 0 0 0 0 0 0.0.090909090 09 09 0 0 0 0 0 0 0 0 0









p181


8

附件10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0.10 6667 1 0 0 0.33333 0 0 0.16667 0 0 0 0 0.10 6667 0 0 0 0 0.10 6667 0 0 0 0 0.20 0 5 0 0 0 0 0 0 0 0.2 0 0 0 0 0 0 0 0.00 2560 41 0.00 2270 27 0 0 0 0 0 0 0.10 1760 5 0 0 0 0 0.2 0 0 0 0.

0
0
0
0 0 0 0 0 0.00 37037
0 0 0 0 0.00.068145482 55 0 0 0.0625 0 0 0 0 0 0 0 0 0
0
0
0
0 0 0 0 0 0.11110 1 0.00.086943457 78 0.10.00252566 41 0.10.01364544 55 0.05260 32 0.0625 0 0.00 58824 0 0 0 0 0 0
0
0 0 0 0.30.0125 625 0 0.2 0.10.11111111 1 0.10.03044343 78 0.10.17942829 1 0.00.090945409 55 0.00 52632 0.10.225 5 0.10.01765885 24 0.10 8182 0.2 0 0 0
26 0.25 0.5 0.66660 7 0.00.1625 25 0 0 0.20.1963 4815 0.20.21731739 9 0.00.276905123 3 0.00.090990909 09 0.30.21576319 6 0.00.1625 25 0.20.23529419 2 0.00.290972709 3 0 0.4 0 0
0
0
0
0
0.1
0.125 875 0.2 0.2 0.00.037037037 37 0.04340 78 0.00.025676941 23 0.00.168136382 6 0.10.00525266 32 0.10.025 625 0.05880 24 0.18180 2 0 0 0.5 0
0
0 0.30 3333 0.00.0625 625 0.2 0 0.00.037074037 74 0.00.043486978 57 0.10.00252566 41 0.00.090945409 55 0.10520 6 0.0625 0 0.00 58824 0.09090 09 0 0.2 0 0
0
0
0
0 0 0 0 0 0 0 0.04340 78 0.02560 41 0.02270 27 0.00 52632 0 0 0 0 0.00.090990909 09 0 0 0 0


5
0.30

0 0
0
0
0
0
0 0 333
3 0.33333 0.33333 0 0
0
0
0
27


本文来源:https://www.2haoxitong.net/k/doc/2be28fcc700abb68a882fb14.html

《数学建模预测股市走向.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式