股指波動預測模型的方法研究及應用（簡體書）

《股指波動預測模型的方法研究及應用》作者對股指預測理論方法及模型構建做了以下的研究：（1）股指波動影響因素及股指預測模型特點研究；（2）股指波動統計類預測模型與創新類預測模型比較研究；（3）基于被生物進化算法優化的神經網絡股指預測模型研究；（4）基于數據挖掘的RBF+AFSA股指預測模型和GA-BP股指預測模型及其實證研究；（5）基于知識挖掘的FPBP股指預測模型和REPTREE+RBF+AFSA股指預測模型及其實證研究。

沈巍，女，1965年生，華北電力大學經濟與管理學院副教授，博士，碩士生導師。長期以來一直從事金融市場學、貨幣銀行學等課程的教學工作，以及金融市場、貨幣政策方面的研究工作。近5年發表學術論文20余篇，其中1篇被SCI檢索，8篇被EI檢索，2篇被CSSCI檢索：參編教材2部：參加自然科學基金等科研項目共4項。

《股指波動預測模型的方法研究及應用》是由知識產權出版社出版的。

第1章 緒論
1.1 研究背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內外研究現狀
1.2.1 基于統計原理的傳統型股票指數波動預測模型研究
1.2.2 基于非統計原理的創新型股票指數波動預測模型研究
1.2.3 神經網絡的優化研究
1.2.4 數據挖掘與知識挖掘研究
1.2.5 國內外研究動態總結
1.3 論文研究內容
1.4 研究方法
1.5論文創新點

第2章 股指預測的特點及影響因素分析
2.1 股指波動的特點
2.1.1 股票指數數據的噪聲
2.1.2 股指波動的非線性特征
2.1.3 股指波動受投資者心理影響
2.1.4 股指波動具有政策性特征
2.2 影響股指波動的主要因素
2.2.1 宏觀經濟因素
2.2.2 技術指標因素
2.2.3 心理因素
2.3 股指預測模型的功能與特點
2.3.1 具有并行處理大量非線性數據的功能
2.3.2 具有自主學習、自我調整的功能
2.3.3 具有多指標同時輸入的功能
2.3.4 具有處理非量化文本因素的功能
2.4 本章小結

第3章 股指預測模型概述
3.1 基于統計原理的傳統型股指預測模型
3.1.1 CARCH模型
3.1.2 SV模型
3.2 基于非統計原理的創新型股指預測模型
3.2.1 灰色CM（1，1）模型
3.2.2 BP神經網絡
3.2.3 RBF神經網絡
3.2.4 BP與RBF神經網絡性能比較
3.2.5 支持向量機預測模型
3.3 本章小結

第4章 統計類預測模型與創新類預測模型比較
4.1 理論比較
4.1.1 建模的理論基礎不同
4.1.2 對數據的要求不同
4.1.3 對數據的處理方法不同
4.1.4 模型結構的穩定性與適應性不同
4.1.5 預測精準度不同
4.1.6 預測難度與預測時間長度不同
4.2 實證比較
……

第5章 基于生物進化算法優化的神經網絡股指預測模型與實證
第6章 基于數據挖掘的神經網絡股指預測模型與實證
第7章 基于知識挖掘的神經網絡股指預測模型與實證
第8章 結論與展望
參考文獻
攻讀博士學位期間發表的主要論文及科研
致謝

2.2.3 心理因素
行為金融學認為投資者的金融行為受投資者的心理因素影響。實際情況也的確如此。投資者心理變化對股價的變動造成的影響會很大。例如，在大多數投資者對股市抱有樂觀態度時，會有意無意地夸大市場有利消息的影響，并忽視一些潛在的不利因素，從而脫離上市公司的實際業績而紛紛買進股票，使股票價格上漲。反之，在大多數人對股票市場前景不太看好時，對潛在的有利因素視而不見，對不利的因素特別敏感，甚至不顧發行公司的優良業績大量拋售股票，使股價大跌。當眾多的投資者對股市的發展無法判斷時，會持觀望態度，此時市場冷落，股價就會盤旋呆滯。大多數的投資者不可規避地都存在較為嚴重的心理因素，在股價下跌時，就會盲目地恐慌，上漲的時候就過于興奮，最後的結果是，價格上漲了，他馬上買進股票，下跌時馬上退出。掙錢不多，情緒緊張。
通常，根據股市行情的好壞及投資人的心理狀態，人們將股指分為牛市行情和熊市行情。牛、熊市具有不同的市場特征和心理特征，根據這些特征判斷市場處于什么時期，并制定相應的投資決策是投資人成功投資的基礎。
一般來說，我們可以將牛市分為三期：
牛市第一期，通常是在最悲觀的情況下出現的，這時候的投資者往往已經對市場心灰意冷，不計成本地拋售所持有的股票，這時候正是買進股票的良機。有遠見的投資者通過對各種經濟指標和形勢的分析，預計市場正處于黎明前最黑暗的時候，情況即將發生變化，正如股市箴言所說：“行情在絕望中產生”。長期買家開始選擇優質股限價買入，短期投機者往往選擇跌無可跌的低價股。因此，市場的成交量雖然還處于低迷的狀態，但成交量會不規則地略有放大。