【作者】 夏毅；

【导师】 蓝伯雄；

【作者基本信息】 清华大学 ， 管理科学与工程， 2003， 硕士

【摘要】 技术分析，作为金融分析中重要的组成部分，其手段随着信息技术的发展被不断的注入新的理论支持。几十年来，批评者与支持者针锋相对的理论斗争，不仅使技术分析成为金融投资领域引人注目的焦点，更极大的推动了技术分析本身的发展。特别是在信息技术快速发展的今天，新技术、新理论的应用使技术分析得到了空前的发展。1991年中国股票市场成立以来，以技术分析为基础的研究也越来越引起国内广大投资者的关注。本文综述了技术分析的研究发展现状，系统的介绍了金融市场有效性、技术分析有效性的概念、假设等核心内容。通过现有研究成果的引证和对深证股票市场的实证研究，回答了技术分析对中国证券市场有效性的问题。在以上理论的基础上，本文提出了基于人工神经网络和遗传算法的技术分析预测模型。以人工神经网络的前馈型网络为基础结构，基于反向传播算法进行学习和训练来拟和证券价格指数的运动趋势。为了克服反向传播算法局部极值、收敛速度慢等不足，本文提出了采用遗传算法对神经网络的优化算法。通过对固定网络结构的权系值进行遗传操作，优化网络的权系值组合，快速收敛到最优权系值组合，进而提高网络的分析预测效率和能力。同时，文章提出了模型的模块化实现结构，编程实现了预测分析系统的主程序，详细介绍了系统的工作机制和使用方法。为了证明系统的有效性，本文对上证综合指数、深证综合指数、随机选取的个股1999年1月年至2003年4月的实际数据进行了预测检验。结果表明，基本预测系统可以以平均大于70%的准确度对以上指标进行预测。同时，根据本文提出的简单投资操作机制，结合预测分析，对随机选取的个股2002年数据进行了实际投资检验，与采用简单移动平均的一般技术分析手段和采用买入持有投资机制的投资情况进行对比。实证检验结果表明，采用本系统的投资效果，不但可以击败市场表现，更可以击败一般的技术分析投资表现。更多还原

【Abstract】 Technical analysis, as one of the most important parts of financial analysis, gets more and more piers with the development of information technology. In these decades, critics from academics and supports from analysts make technical analysis got not only wide concerns but also rapid progress. Since Chinese stock market opened in 1991, interests and researches on technical analysis grow rapidly and investors pay more and more attention on this area.In this paper, we introduce core researches about market efficiency, technical analysis efficiency and related concepts. After a wide theoretic research and an empirical research on Chinese stock market, we get the conclusion that technical analysis could make extra return in Chinese stock market.Based on this conclusion, we proposed a systematic and automatic model to predict technical indicators using neural networks which was optimized by genetic algorithm. In this model, back propagation algorithm based on forward networks was conducted to learn information of historical data and to train the network weights. In order to override the well-known limitation of back propagation algorithm, such as local grade problem, we suggest genetic algorithm, a global optimization algorithm, to optimize the weights set. The different parts of this model were modularized and combined as a prediction system.We apply this method to Shanghai Index, Shenzhen Index and a random selected stock’s moving average index from Jan, 1999 to Apr. 2003 to test the accuracy of prediction. The accuracy is higher than 70% in this research.By comparing the return of moving average, predicted by neural networks, rule to simple moving average rule and buy and hold strategy, our trading system shows good performance. It could beat both the simple technical analysis method and the buy and hold strategy.更多还原