![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/11/11/645da22c-83bf-4181-bc44-934913fc2a59/645da22c-83bf-4181-bc44-934913fc2a59pic.jpg)
![基于LS-SVM模型的證券價(jià)格可預(yù)測(cè)性研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/11/11/645da22c-83bf-4181-bc44-934913fc2a59/645da22c-83bf-4181-bc44-934913fc2a591.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、證券價(jià)格的可預(yù)測(cè)性一直是現(xiàn)代金融學(xué)的研究焦點(diǎn),近年來國內(nèi)外學(xué)者將許多線性或非線性模型應(yīng)用于證券價(jià)格可預(yù)測(cè)性的研究,證實(shí)了證券價(jià)格的部分可預(yù)測(cè)性。雖然在結(jié)論上學(xué)者們已達(dá)成了基本一致,但是在研究方法上存在較大的分歧,模型的設(shè)計(jì)和參數(shù)的選取具有很大的優(yōu)化空間。支持向量機(jī)模型由于其適用于有限樣本、以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為訓(xùn)練目標(biāo)、能夠保證全局最優(yōu)等優(yōu)點(diǎn)迅速成為證券價(jià)格預(yù)測(cè)領(lǐng)域最優(yōu)秀的模型之一。
本文采用最小二乘支持向量機(jī)(LS—SVM)
2、模型對(duì)滬深300指數(shù)短期內(nèi)的可預(yù)測(cè)性進(jìn)行研究。為了探討模型預(yù)測(cè)對(duì)于實(shí)際投資的指導(dǎo)意義,本文設(shè)計(jì)了模擬投資策略來比較投資的效果;為了檢驗(yàn)輸入向量對(duì)于預(yù)測(cè)結(jié)果的敏感性,文章加入了對(duì)照組進(jìn)行對(duì)比分析;為了檢驗(yàn)學(xué)習(xí)長(zhǎng)度對(duì)于預(yù)測(cè)的影響,文章計(jì)算了最優(yōu)的滑窗長(zhǎng)度;在本文的第四部分,還運(yùn)用了主成分分析法對(duì)輸入向量進(jìn)行優(yōu)化。分析結(jié)論表明:我國證券價(jià)格具有明顯的記憶性特征,具有一定的可預(yù)測(cè)性;根據(jù)LS—SVM模型預(yù)測(cè)結(jié)果進(jìn)行投資比完全復(fù)制指數(shù)的投資策略有
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于LS-SVM在線模型的非線性預(yù)測(cè)控制研究.pdf
- 基于LS-SVM的軸承故障趨勢(shì)預(yù)測(cè)方法研究.pdf
- 基于LS-SVM的非線性預(yù)測(cè)控制研究.pdf
- 基于多核模糊LS-SVM的廣義預(yù)測(cè)控制.pdf
- 基于LS-SVM的入侵檢測(cè).pdf
- 基于LS-SVM的圍巖位移非線性預(yù)測(cè)應(yīng)用研究.pdf
- 基于人工蜂群優(yōu)化LS-SVM短期負(fù)荷預(yù)測(cè)研究.pdf
- 基于LS-SVM的時(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 基于LS-SVM的半圓拱形巷道無線信道建模與預(yù)測(cè).pdf
- 基于LS-SVM對(duì)耐高溫濾料過濾效率的預(yù)測(cè)研究.pdf
- 基于LS-SVM目標(biāo)識(shí)別的研究.pdf
- 基于多模型LS-SVM造紙黑液濃度軟測(cè)量.pdf
- 基于LS-SVM的多標(biāo)簽分類算法.pdf
- 基于LS-SVM的fMRI數(shù)據(jù)分析.pdf
- 基于人工魚群的LS-SVM在短期負(fù)荷預(yù)測(cè)中的應(yīng)用.pdf
- 基于LS-SVM的軟測(cè)量建模方法研究.pdf
- 基于K-means聚類的LS-SVM短期負(fù)荷預(yù)測(cè)方法研究.pdf
- 基于多變量LS-SVM和模糊循環(huán)推理系統(tǒng)的負(fù)荷預(yù)測(cè).pdf
- 基于LS-SVM的再熱汽溫系統(tǒng)建模及趨勢(shì)預(yù)測(cè).pdf
- 基于LS-SVM的電力變壓器故障診斷與預(yù)測(cè)研究.pdf
評(píng)論
0/150
提交評(píng)論