全文链接：http://tecdat.cn/?p=31651
原文出处：拓端数据部落公众号
分析师：Xingming Xu
基于以后统计的股票数据抉择最优的选股计划和投资组合计划，以及预测股票价格将来一段时间的走向趋势以及稳定水平，具备很大的实用价值
咱们须要实现以下问题
问题一：投资者购买指标指数中的资产，如果购买全副，从实践上讲可能完满跟踪指数，然而当指数成分股较多时，购买所有资产的老本过于昂扬，同时也须要很高的治理老本，在理论中个别不可行。
(1)在附件数据的剖析和解决的过程中，请对缺损数据进行补全。
(2)投资者购买成分股时，过多过少都不太正当。对于附件的成分股数据，
请您通过建设模型，给出正当选股计划和投资组合计划。
问题二：尝试给出正当的评估指标来评估问题一中的模型，并给出您的剖析后果。
问题三：通过附件股指据和您补充的数据，对以后的指数稳定和将来一年的指数稳定进行正当建模，并给出您正当的投资倡议和策略。
针对问题一：剖析投资者在给定十支股票中的最优选股计划和投资组合。首先，别离依据每支股票开盘价、最高价、最低价和收盘价确定其收益率和危险率，并从中剔除劣质股票，在残余的股票中进行投资组合的最优化剖析，优化指标分为三种: 给定收益程度最小化危险；给定危险程度最大化收益；设定用户偏好系数，最优化给定复合指标。应用 MATLAB 软件进行求解，优化后果为：在偏向最大化收益时，七号股票在投资中占比拟大，而偏向升高投资危险时，则在几个股票中进行抉择。
针对问题二：对问题一中的模型进行评估。问题一中咱们定义了别离利用开盘价、最高价、最低价以及收盘价计算股票收益率和危险率的最优化模型，当初咱们来评估应用哪种指标的模型更加贴近真实情况。咱们利用灰色关联分析方法来判断每一支股票的成交量与对应四种价格的关联水平的绝对高下。通过建设模型能够失去十支股票的关联度的排序表，发现十支股票的成交量均与当日最高价的关联水平最高，因而，咱们第一问中的模型中，应用最高价确定收益率和危险率最贴近理论。
针对问题三：对以后指数稳定以及将来一年的指数稳定进行预测，因为股票数据合乎工夫序列的特色，因而咱们选用 ARIMA 模型进行股票数据的拟合和预测，并利用 MAPE 和 RASE 指标对拟合水平进行评估。编写 Python 代码建设模型，并对模型进行训练，通过参数诊断后能够对将来数据进行预测，并且依据预测数据对不同类型的投资人群给予相应的投资倡议。
ARIMA 模型建设流程
abc002 预测后果以及拟合准确度
abc007 号股票和 abc010 号股票预测走势
由评估后果，发现 MAPE 指标均不超过 9%，且 RMSE 为 1.0273，故拟合良好，能够预测该股票大体走势以及稳定范畴。
通过上述模型对全副十支股票进行预测，能够发现将来呈现显著涨势的股票是 abc007 和 abc008, 将来呈现显著跌势的是 abc009 和 abc010,abc001、abc002、abc006 出现轻微涨势但稳定范畴较大，abc003 出现轻微跌势且稳定范畴较大，abc004、abc005 无显著涨跌趋势，但稳定范畴较大。取典型股票预测趋势见下图：
因而，咱们给出的投资倡议是：
① 若资金短缺，且危险讨厌水平高，则将大部分资金用于投资 abc007 号股票，大量资金用于投资 abc008、abc001、abc002 号股票用来升高危险；
② 若资金短缺，且危险讨厌水平低，则将全副资金用于投资 abc007 号股票；
③ 若资金较少，且危险讨厌水平高，则能够购买能力范畴内 abc007 号股票数只，其余资金用于投资 abc001 和 abc008 号股票；
若资金较少，且危险讨厌水平低，能够购买能力范畴内 abc007 号股票数只，其余资金投资 abc002、abc004、abc006 号股票。
对于作者
在此对 Xingming Xu 对本文所作的奉献示意诚挚感激，他在北京航空航天大学实现了电子信息专业学位，善于数据采集，数学建模。
最受欢迎的见解
1.[](http://tecdat.cn/r%e8%af%ad%e…)用机器学习辨认一直变动的股市情况—隐马尔科夫模型 (HMM) 的利用
2.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言 GARCH-DCC 模型和 DCC（MVT）建模预计
3.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言实现 Copula 算法建模依赖性案例剖析报告
4.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言 COPULAS 和金融工夫序列数据 VaR 剖析
5.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言多元 COPULA GARCH 模型工夫序列预测
6.[](http://tecdat.cn/r%e8%af%ad%e…)用 R 语言实现神经网络预测股票实例
7.[](http://tecdat.cn/r-%e8%af%ad%…)r 语言预测稳定率的实现：ARCH 模型与 HAR-RV 模型
8.[](http://tecdat.cn/r%e8%af%ad%e…)R 语言如何做马尔科夫转换模型 markov switching model
9.matlab 应用 Copula 仿真优化市场危险