基于DFT的股价预测

二、毕业设计（论文）背景

近年来证券市场迅速发展，股票信息爆炸式增长，如何从庞大的数据信息中找到有用的知识为投资者的投资行为提供指导，已成为一个重要的学术研究方向。商品价格是一个典型的随机运动系统。政治经济学认为，价格总是围绕价值上下波动。但确定商品的价值不是一件容易和直接的事情，需要对已有数据进行统计学意义上的分析；同时，人们历来希望找到更准确的预测未来价格变化的手段。

同天气预报一样，股价预测只是一种概率意义上的预测，股价预测的算法与理论颇多。一般股价运动在一个较长的时期内会形成周期性，或者具有短时无规律的跃变特性。要确定股票价格数据是否具有最强周期分量，首先要减去数据中可能存在的跃变特性，再对处理后的数据做DFT分析。

三、毕业设计（论文）目标、研究内容和技术要求

内容和要求：

1、利用Matlab软件表示股价数据的MA5、MA10、MACD、KDJ线。

2、分析收益率分布特征。

3、去除股价信息中的噪声因素，从股票价格变化周期性的角度，利用DFT分析方法分析预测特定股票价格。

目标：通过股票市场价格预测研究，建立一个初步的随机信息分析处理系统。

四、课题所涉及主要参考资料

[1] 徐迪,马大军,李元熹.基于神经元网络的股票市场预测[J],系统工程,1997 (6).

[2] 徐利民, 舒君, 沈优忠. 基于MATLAB的信号与系统实验教程[M].清华大学出版社, 2010. 2.

[3] 吴微,陈维强,刘波.用BP神经网络预测股票市场涨跌[J].大连理工大学学报,2001(1).

[4] 钟　颖,汪秉文.基于遗传算法的BP神经网络时间序列模型预测[J].系统工程与电子技术,2002,24(4):9-11.

[5] 陈向光,裴旭东.人工神经网络技术及其应用[M].北京:中国电力出版社,2003.

[6] 涂承胜.关联规则挖掘的常用算法及其比较分析[J].重庆三峡学院学报,2006,3（22）:10-12..

[7] R.Ramakrishnan,J.Gehkre.Database management systems[M].New York: McGraw Hill,2000.