基于支持向量機的創(chuàng)業(yè)板指數(shù)預(yù)測研究與應(yīng)用.pdf_第1頁
已閱讀1頁,還剩67頁未讀 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、創(chuàng)業(yè)板市場既是一個門檻比較低、風(fēng)險相對大、監(jiān)管很嚴格的股票市場,它也是一個能孵化科技型和高成長型企業(yè)的搖籃型資本市場。創(chuàng)業(yè)板設(shè)立的目的就是服務(wù)于自主創(chuàng)新的國家戰(zhàn)略,這些創(chuàng)業(yè)板上市的小企業(yè)充滿活力,代表著我國經(jīng)濟轉(zhuǎn)型的大方向,創(chuàng)業(yè)板的上市企業(yè)都具有創(chuàng)業(yè)、創(chuàng)新、成長的特征,其容納的新興產(chǎn)業(yè)多元性以及創(chuàng)業(yè)板本身與轉(zhuǎn)型升級戰(zhàn)略的高度契合是其他板塊所不具備的。因此,對于學(xué)者而言,對創(chuàng)業(yè)板指數(shù)的研究可以了解資本市場對創(chuàng)新創(chuàng)業(yè)企業(yè)的認可程度,也可以了

2、解新興產(chǎn)業(yè)的發(fā)展狀況;對于投資者而言,對創(chuàng)業(yè)板指的研究可以為創(chuàng)業(yè)板的投資布局提供指導(dǎo)參考。雖然運用人工智能的方法對于指數(shù)的預(yù)測已經(jīng)得到廣泛研究,但是其對創(chuàng)業(yè)板指數(shù)的預(yù)測尚未有學(xué)者研究,特別是基于支持向量機的創(chuàng)業(yè)板指預(yù)測研究。隨著我國創(chuàng)業(yè)板股票市場的不斷發(fā)展壯大,運用支持向量機模型對創(chuàng)業(yè)板指數(shù)的預(yù)測、分析和實際應(yīng)用對于投資非常重要。
  本文采用單步預(yù)測法,即前日數(shù)據(jù)預(yù)測當(dāng)日收盤指數(shù),運用主成分分析法、粒子群優(yōu)化算法構(gòu)建 PCA-P

3、SO-LIBSVM支持向量機模型,即首先將數(shù)據(jù)歸一化之后,采用主成分分析法對多維數(shù)據(jù)進行降維處理,然后應(yīng)用粒子群優(yōu)化算法對參數(shù)進行優(yōu)化處理,然后支持向量機給出回歸的預(yù)測結(jié)果。本文把整個數(shù)據(jù)區(qū)間劃分為三個市場:下跌市場、震蕩市場和上升市場。針對每個區(qū)間市場分別運用PCA-PSO-LIBSVM模型和人工動態(tài)神經(jīng)網(wǎng)絡(luò)模型進行預(yù)測并分析。并以此進行交易策略開發(fā)研究。
  通過預(yù)測分析發(fā)現(xiàn),PCA-PSO-LIBSVM支持向量機獲得了較理想

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論