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_第1頁
已閱讀1頁,還剩83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(rèn)領(lǐng)

文檔簡介

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

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(fù)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(zhǔn)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。

最新文檔

評論

0/150

提交評論