论文部分内容阅读
金融市场是个动态、复杂的系统,其价格序列有着本身固有的繁杂、非稳态和混乱的形式,这使得金融市场决策模型类型多种多样,而且远未成熟。随着人工智能技术的不断发展,特别是不确定性知识表示的人工智能理论技术的发展,在金融市场决策模型中引入不确定性的知识表示与推理机制来建立和演化决策规则,这突破了传统方法很难为金融市场这样复杂自适应系统构建具体的数学因素模型的局限,带来了人工智能技术在金融市场分析领域的广泛应用趋势。本文首先在复杂决策系统建模理论的基础上,采用不确定性知识表示的理论,建立信息属性概念的建模与处理机制,随后在该机制基础上,通过采用不确定性知识转换的云模型、不确定性推理贝叶斯概率推理网、以及信息融合的证据理论,构建了新的金融决策模型。本文主要包括基于属性概念的建模与处理机制,基于属性概念的金融智能决策模型,该金融决策模型原型的实现等三个方面,详细的阐述了基于属性概念的金融智能决策模型(Properties-Concepts based Financial Intelligence Decision-making Model,简称PC-FIDM),其主要内容如下:(1)基于抽象的“D_N”理论,在不确定性知识表示和推理机制下,提出基于属性概念的建模与处理机制,并讨论其实现原理。(2)在融合信息处理流程和属性概念的建模与处理机制的基础上,提出金融决策模型。并详细介绍该模型的数据处理过程。(3)以贝叶斯概率推理网为基础,实现了该决策模型的原型系统。通过对现有的涨跌相当时段的金融数据进行了处理和分析,验证了该模型的有效性。与传统的金融决策模型的研究相比,本文在新的面对消息简约与提炼属性概念的机制上构建了智能金融决策模型,其主要有以下方面的优势:属性概念的建模与处理机制为金融决策构建了一个更合理的不确定性知识表述的决策模型框架;由贝叶斯概率推理理论构建了历史概率情况下的推理,体现了复杂决策系统的不确定性特征;由证据理论扩展了信息可信度融合的方式;在对金融数据进行分析和处理后,该模型能得到具有一定信度的规则,并且这些规则能够很方便的扩展与延伸。