基于分段線性表示和支持向量機的拐點預(yù)測.pdf

1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體己經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動規(guī)范(試行)》。另外，該學(xué)位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費或?qū)嶒炇业馁Y助，在()實驗室完成。(請在以上括號內(nèi)填寫課題或課題組負(fù)責(zé)人或?qū)嶒炇颐Q，未有此項聲明內(nèi)容的，可以不作特別聲明。)聲明人(簽名)：際蕆砂，≥

2、年f月弓。日摘要摘要近幾年，對于證券交易拐點的預(yù)測，廣泛應(yīng)用的是基于分段線性表示(PLR)和反向傳播人工神經(jīng)網(wǎng)絡(luò)(BPN)的方法(PLRBPN)。然而，該方法具有一些缺陷，比如容易過擬合和陷入局部最優(yōu)點，而且模型中閾值的選取也是很令人頭疼的。由于支持向量機(SVM)具有可以避免過擬合，同時也不容易陷入局部最優(yōu)點等優(yōu)勢，本文利用分段線性表示(PLR)和加權(quán)支持向量機(WSVM)來預(yù)測證券交易的拐點(Pu0WSVM)。PLRWSVM方法具有

3、以下幾個主要特點：(1)通過PLR方法得到證券交易的拐點，并對每個拐點根據(jù)當(dāng)前拐點和下一個拐點的收盤價變化率來設(shè)置不同的權(quán)重，以反映拐點的相對重要性。(2)將證券交易拐點的預(yù)測問題，轉(zhuǎn)化為一個帶權(quán)重的四分類問題，避免了PLRBPN模型中閾值的選取。(3)采用帶權(quán)重的支持向量機來對交易拐點和輸入變量之間的關(guān)系進(jìn)行建模，該方法可以提高預(yù)測模型的泛化性。(4)歷史數(shù)據(jù)集被分為具有重疊性的訓(xùn)練集和測試集，而不是單純的訓(xùn)練集驗證測試集，該方法不僅