考虑投资者情绪与股市联动效应的双层次犹豫模糊预测模型

本文提出了一种基于双层次犹豫模糊语言术语集（DHHFLTS）的新型股票指数预测模型，创新性地整合了投资者情绪和国际市场联动因素。通过构建模糊逻辑规则，该模型有效捕捉了多因素交互作用下的市场波动特征，在SSEC、TAIEX和FTSE 100数据集上分别实现32.06、69.74和25.27的RMSE，显著优于传统方法。研究为复杂金融环境下的智能决策提供了兼具解释力与精度的解决方案。

　　

Highlight

本研究构建了基于双层次犹豫模糊语言术语集（DHHFLTS）的创新预测框架，通过融合投资者情绪指数和国际市场协动数据，实现了对复杂金融波动的多维度建模。模型利用模糊逻辑规则解析历史状态转换模式，在三大股指测试中展现出卓越的预测稳定性（SSEC平均RMSE=32.06）和临床实用价值。

Implementation

以上海证券交易所数据与道琼斯指数为例，本节演示了情绪-市场双因素驱动的预测流程。通过2014年数据的三阶段建模：（1）情绪指标构建；（2）DHHFLTS状态空间映射；（3）基于距离度量的模式匹配，系统实现了对非线性金融信号的精准解构。

Numerical Results

2010-2018年SSEC预测结果显示，模型平均绝对百分比误差（MAPE）低至0.86%，显著优于六种经典模糊算法。动态热力图（图8）直观呈现了模型对极端波动事件的捕捉能力，证实其在高噪声环境中的鲁棒性。

Performance Evaluation

横向对比实验表明，本模型在TAIEX（2001-2004）和FTSE 100（2010-2012）数据集上分别取得69.74和25.27的RMSE，其多尺度特征提取能力有效降低了黑天鹅事件引发的预测偏差（p<0.01）。

Conclusions

该研究突破了传统单因素预测的局限，通过DHHFLTS架构实现了金融生态系统的全景建模。临床验证表明，模型对情绪传染效应和市场协动现象的解释力，为智能投顾和风险预警提供了新的生物标记物（biomarker）级解决方案。