基于機器學習方法的股票數(shù)據(jù)研究.pdf

1、股票至今已經(jīng)有400多年的發(fā)展歷史了。股票市場的變化，間接地反映了整個國民經(jīng)濟的發(fā)展狀況和股票公司的運營情況，它是整個社會經(jīng)濟的“晴雨表”和“報警器”。研究股票市場未來若干天的數(shù)據(jù)變化對廣大的投資者來說有很重要的意義。
　　 從事股票數(shù)據(jù)研究的學者主要分為三類：第一類學者主要應(yīng)用技術(shù)分析的方法來研究市場過去和現(xiàn)在的行為反應(yīng)，從而預測整個股市和某支股票價格未來的大致變化趨勢；第二類學者主要通過時間序列分析方法來預測股票市場的走勢；

2、第三類學者則應(yīng)用機器學習的方法建立各種學習模型來研究股票數(shù)據(jù)。
　　 本文對股票預測研究現(xiàn)狀、機器學習、統(tǒng)計學習理論、支持向量機、混沌時間序列、小波理論作了一些介紹，并根據(jù)這些理論建立了預測的模型。該預測模型的核心是支持向量機的學習方法。支持向量機建立在統(tǒng)計學習理論的基礎(chǔ)之上,其結(jié)構(gòu)簡單，在解決小樣本、非線性的問題時效果很好，而且能夠避免“維數(shù)災(zāi)難”和“過學習”等現(xiàn)象。
　　 具體的來說，本文完成的工作主要有以下幾點：<

3、br>　　 一、將支持向量機與混沌時間序列結(jié)合起來建立預測模型。根據(jù)相空間重構(gòu)的方法將現(xiàn)有的數(shù)據(jù)變換成混沌時間序列，然后將時間序列數(shù)據(jù)劃分成訓練數(shù)據(jù)和測試數(shù)據(jù)，從而建立支持向量機的預測模型。
　　 二、在最優(yōu)參數(shù)的搜索方面主要應(yīng)用了遺傳算法。支持向量機的參數(shù)選取方法直接影響著預測模型的性能。遺傳算法的在解決非線性問題和多維空間尋優(yōu)問題上效果卓著，文中應(yīng)用遺傳算法搜索得到的參數(shù)能夠取得較好的預測效果。
　　 三、采用小波