基于小波分析和支持向量機的股票指數(shù)預測模型的研究及應用.pdf

1、證券市場變幻莫測，作者試圖找出股票指數(shù)這一時變波動序列的運行規(guī)律，從而對股票指數(shù)進行預測、為股票投資行為做出有效指導。股票指數(shù)對許多因素的變化都非常敏感，其中有來自于自身的也有來自于外界的，它們之間是非線性、復雜耦合關(guān)系，因此相對于其他預測系統(tǒng)，股指預測系統(tǒng)需要考慮因素比較多。 近二十幾年來，以混沌、神經(jīng)網(wǎng)絡、小波分析和支持向量機理論等為代表的非線性方法在股票指數(shù)及股價變化的趨勢研究中得到了迅速的發(fā)展，而且也取得了一些具有開拓意

2、義的研究成果。 本文提出了小波——支持向量機模型，對上證綜合指數(shù)的一維時間序列數(shù)據(jù)，選擇Symlet小波函數(shù)進行離散小波變換，然后利用小波分析的多分辨分析特性，將時間序列分解成近似部分和細節(jié)部分(本文對時間序列進行了三層分解)。 為了更有效的進行預測模型建模，對分解后的預測序列分別進行相空間重構(gòu)，即將一維的時間序列轉(zhuǎn)化為矩陣形式獲得數(shù)據(jù)間的關(guān)聯(lián)關(guān)系以挖掘到盡可能多的信息量，轉(zhuǎn)換之后，得到新的學習樣本。 然后利用支

3、持向量機對新的樣本進行訓練，得到回歸模型。最后對預測數(shù)據(jù)依據(jù)模型進行處理，對其進行小波重構(gòu)，得到最終的時間序列預測值。 小波分析方法、非線性混沌理論及支持向量機理論憑借其自身理論的優(yōu)越，在非線性時間序列分析中的迅速崛起，為我們對股票進行技術(shù)分析提供了新的方法。本文針對上證綜合指數(shù)，利用上述理論建立了該指數(shù)的預測模型，并將預測與實際的數(shù)據(jù)擬合，在實踐上取的了令人滿意的結(jié)果。結(jié)合擬合結(jié)果，分析其產(chǎn)生原因，指出了這一模型的優(yōu)點和不足之