粒子群優(yōu)化的支持向量機在股票預(yù)測中的研究與應(yīng)用.pdf

1、股票在市場經(jīng)濟中占有重要地位，發(fā)行股票的公司可以通過從社會上融資來擴大公司規(guī)模，個體也可以通過控股的方式來影響公司的經(jīng)營，可以說股票對推動市場經(jīng)濟發(fā)展起到了重要的作用。因此，對股市進行分析和預(yù)測，從小的方面看，有利于市場中的個體獲益，從大的方面看，有利于決策者對宏觀經(jīng)濟進行調(diào)整，保持國民經(jīng)濟的平穩(wěn)發(fā)展。
　　 隨著統(tǒng)計機器學(xué)習(xí)領(lǐng)域的發(fā)展，各種智能算法也不斷涌現(xiàn)。從股票的特點來看，它在短期投資上會產(chǎn)生很大的不確定性，但是在長期趨勢

2、上則符合統(tǒng)計學(xué)規(guī)律。因此，在有限樣本的情況下，通過機器學(xué)習(xí)算法來預(yù)測股票，是股票預(yù)測研究中的一個重要發(fā)展方向。
　　 本文在研究了各項股票預(yù)測技術(shù)的基礎(chǔ)上，將統(tǒng)計機器學(xué)習(xí)的思想作為算法的基礎(chǔ)，首先分析使用統(tǒng)計機器學(xué)習(xí)原理進行股票預(yù)測的可行性，然后提出了一種新的股票預(yù)測方法，這種方法以支持向量機分類為核心，首先使用K均值聚類，對股票的歷史數(shù)據(jù)從形態(tài)上進行分類，然后對每一類的歷史數(shù)據(jù)，提取股票預(yù)測中的經(jīng)典時態(tài)指標(biāo)作為特征，用支持向量

3、機進行訓(xùn)練，在訓(xùn)練過程中，使用優(yōu)化的粒子群算法對支持向量機的關(guān)鍵參數(shù)進行調(diào)整，從而得到分類更準(zhǔn)確的支持向量機模型。在預(yù)測時，首先使用最近鄰分類將待預(yù)測樣本歸到某一個聚類中，再使用該類相關(guān)的支持向量機進行預(yù)測。通過這種多級預(yù)測的算法，提高了分類的準(zhǔn)確率。
　　 為了真實全面地評估該算法的有效性，本文通過實際的上證大盤股票的歷史數(shù)據(jù)作為訓(xùn)練集和預(yù)測集進行分析，在實驗的內(nèi)容上，也包括了本算法與其他預(yù)測算法的結(jié)果比較。實驗結(jié)果表明，本算