基于遺傳算法優(yōu)化的馬爾可夫鏈預(yù)測上證指數(shù)模型的研究.pdf

1、在股票市場不斷發(fā)展的今天，股票投資已成為不少人生活中重要的資本經(jīng)營方式。如何準(zhǔn)確地分析、預(yù)測股市走勢來提高投資收益是投資者十分關(guān)注的問題。近年來隨著人工智能技術(shù)的興起，國內(nèi)外眾多研究學(xué)者對如何將人工智能技術(shù)應(yīng)用于股票預(yù)測領(lǐng)域進行大量的研究與探索。本文提出一種將遺傳算法（Genetic Algorithm，GA）與馬爾可夫鏈進行組合來分別優(yōu)化徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)模型與支持向量機回歸（Su

2、pport Vector Regression，SVR）模型的新方法，并將優(yōu)化后的組合模型應(yīng)用于對上證指數(shù)收盤價的預(yù)測中。
　　本文做的工作主要有以下幾方面：
　　①詳細(xì)論述了國內(nèi)外學(xué)者對股票預(yù)測的研究現(xiàn)狀，并介紹了本文的相關(guān)技術(shù)基礎(chǔ)知識，為接下來實現(xiàn)模型奠定良好的基礎(chǔ)。
　?、诜謩e建立兩個未經(jīng)優(yōu)化的預(yù)測模型——RBF神經(jīng)網(wǎng)絡(luò)模型與SVR模型并預(yù)測上證指數(shù)收盤價。兩種模型均選取相同時間范圍的實驗數(shù)據(jù)作為實驗?zāi)Ｐ偷挠?xùn)練樣

3、本和測試樣本。
　　③使用GA優(yōu)化過的馬爾可夫鏈分別對RBF神經(jīng)網(wǎng)絡(luò)模型與SVR模型預(yù)測值與真實值之間的相對誤差進行修正。實驗結(jié)果表明，基于 GA優(yōu)化的馬爾可夫鏈的RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度高于基于RBF神經(jīng)網(wǎng)絡(luò)模型與基于馬爾可夫鏈優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型，并且基于GA優(yōu)化的馬爾可夫鏈的SVR模型預(yù)測精度比基于SVR模型與基于馬爾可夫鏈優(yōu)化的SVR模型更高。因此，該組合方法具有可行性與有效性。此外，本文對兩種組合模型進行對比發(fā)現(xiàn)，