卡尔曼实时跟踪模型在股票价格预测中的应用

基于卡尔曼滤波的动态、实时跟踪性以及股票市场的易波动性,该文提出了将股票视为一个机动物体,其价格视为该物体的位移,其价格的变化视为该物体的速度,依据非线性物理动力学模型来描述股票价格的波动,并且利用卡尔曼滤波理论建立了一种动态的股票价格预测模型,最后给出了相应的算法。通过实例仿真,并对结果进行分析表明,本文提出的算法具有可靠、计算简便、快速等特点,模型预测精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。