基于GARCH模型族上证指数收益率波动的实证分析，赵丹华，，本文基于GARCH模型族，对2005年5月9日-2010年6月30日的上证指数日收益率的波动情况进行了实证分析，结果显示：上证指数收益率具有“尖�

SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测

此指标用于通达信副图指标，作用为把个股与上证指标作比较，从而得出个股与大盘的强弱。上证跌时个股不跌或小跌，上证涨时个股大涨，这种个股就比大盘强，是较好的股票。 此指标用于通达信副图指标，作用为把个股与上证指标作比较，从而得出个股与大盘的强弱。上证跌时个股不跌或小跌，上证涨时个股大涨，这种个股就比大盘强，是较好的股票。

数学建模竞赛题目（上证指数的数学模型和枢纽机场的选址的数学模型） 第一题 请就上证指数随时间的变化规律，回答以下问题： 1. 给出分布，并讨论其特征； 2. 能否就不同时间段，寻找有价值的规律； 3. 能否就不同特征，建立数学模型； 4. 就“创造条件让更多群众拥有财产性收入”以及所你建立的数学模型谈谈看法。 第二题 （1） 建立数学模型选择建立三个枢纽机场的地点并设计合理的航线网络； （2） 根据目前我国的西部大开发战略思想，若在西部建设一个大型枢纽机场，根据问题（1）所建模型重新选址（不局限于附录中的城市）？ （3） 试就我国的基本国情探讨如何设计航线网络结构以适应全球经济一体化的发展，提出相关的数学模型。 （4） 就“合理选择枢纽机场提高我国区域经济的国际竞争力”谈谈你的看法和建议。

Matlab的FIG信息粒化SVM对于上证指数的预测-FIG_SVM_sh.rar 秉承着这个帖子： 利用libsvm做回归分析的一个小例子　https://www.ilovematlab.cn/thread-47453-1-1.html对于上证指数的预测我又做了一些探究，这次我要做的是从２０号开始对于未来五天内（２０，２１，２４，２５，２６）［２２，２３两天关闭］，上证指数的每日开盘数的变化空间（五日内的变化范围的预测，以及与前五日相比的趋势）． 所采用的方法是FIG＋SVM[信息粒化 支持向量机]. 这回也加大了数据量,为上证指数从1990.12.19开盘以来到2009.8.19,4579个交易日内每日的开盘数. 原始数据如下: ========上证指数1990.12.19-2009.8.19每日开盘数 sh_8_19.jpg ======== 我把每五日,放在一起对原始数据进行模糊信息粒化.[有关模糊信息粒化相关的代码我就不贴出来了,其他的代码可以共享] 得到原始数据的信息粒化图,三幅,分别是模糊数的三个部分: 最低,代表,最高.看图: 图的意义与那个帖子类似: 红色是原始数据,绿色是用SVM拟合的数据,下面的是归一化的数据,调试用的. =====low========= low.jpg    mse =  18.7764     r = 0.9960 =====R========== | R.jpg |   mse =  9.1019     r = 0.9980 =====up========= up.jpg |   mse =  8.4657     r = 0.9982 ============================= 利用上面训练得到的模型 对于从２０号开始对于未来五天内（２０，２１，２４，２５，２６）开盘指数的变化范围的预测是: [2505.6,2951.8,3204.8] 所表示的意义是: ２０，２１，２４，２５，２６这五天内开盘数的变化范围为 2505.6到3204.8,且五日内平均水平大概为2951.8. 由于20号的开盘指数已知为:20号的实际开盘是2798.4 验证一下是在上面的范围内的. ２１，２４，２５，２６可以每天验证一下看看这个模型预测的怎么样... [不一定准哈,我就是做了个小探索.hehe.OO,要是准了.咱完后就靠这个模型天天预测大盘.炒股就成.了.so.......] 且20号往前五日[13,14,17,18,19]的变化范围是[2796.3    3138.2    3380.2] 这样比较起来说明:[2505.6,2951.8,3204.8]  vs [2796.3    3138.2    3380.2] 趋势预测: 20号后面五日内的开盘数整体会比前五日有所降低.down.. 代码如下:[信息粒化的我没贴出来,但接口给了,其他的我都贴上] ====FIG_SVM_sh.m=====%FIG SVM script by faruto to predict trend of the index of Shanghai 09.8.21 %Email:farutoliyang@gmail.com QQ:516667408 http://blog.sina.com.cn/faruto %www.ilovematlab.cn load sh_8_19; TS = sh_open'; figure; plot; legend'); grid on; len = length; win_num = floor; [low,R,up]=FIG_D; % figure; % plot; % legend; % grid on; % figure; % plot; % legend; % grid on; % figure; % plot; % legend; % grid on; [pre_low,acc_low,model_low,ps_low] = SVM_regression; [pre_up,acc_up,model_up,ps_up] = SVM_regression; [pre_R,acc_R,model_R,ps_R] = SVM_regression; prlow = svmpredict; prlow = mapm

中证指数2021年9月份运行报告-26页.pdf

SVM的回归预测分析——上证指数开盘预测的matlab源程序与数据—SVM regression predictive analysis - the Shanghai Composite Index opened prediction matlab source data

对上证指数进行量化， 对每天的收盘指， 进行一个基本的处理， 然后用简单的RNN循环神经网络去处理， 和学习时间序列的内部关系，然后预测下一天的指数。

中证指数-2020全球ETP发展报告-2021.01-17页.pdf

中证指数-债券指数化投资发展报告-2021.01-22页.pdf