

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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、眾所周知股票市場是一個充滿各種信息的復(fù)雜系統(tǒng)。通常情況下,投資者所面對的是充斥著大量股票的市場,因此對于人們而言,如何選擇出適合投資的股票是其必須解決的問題。從數(shù)據(jù)挖掘的角度看,股票選擇的問題就是在股票的財務(wù)指標(biāo)和未來收益之間建立映射關(guān)系,并通過這種映射識別出能在下一年度戰(zhàn)勝大盤、并獲取超額收益的股票。
本研究結(jié)合國內(nèi)股票市場特別是滬深A(yù)股的特點(diǎn)以及股市實(shí)際運(yùn)作情況,研究基于支持向量機(jī)的分類技術(shù)在分類選股中的應(yīng)用。為了降低
2、支持向量機(jī)非線性分類器的模型復(fù)雜度,在不降低分類精度的情況下,文中采用主成分分析技術(shù)對上市公司財務(wù)指標(biāo)數(shù)據(jù)進(jìn)行屬性約減,該方法可以把原始的高維數(shù)據(jù)以少數(shù)幾個主成分表示,同時盡可能保留原始數(shù)據(jù)的更多完整信息。這樣就可以避免由于輸入矩陣中某些屬性的高度相關(guān)性給分類器的復(fù)雜度帶來影響,從而可以提高模型在不同數(shù)據(jù)集上的泛化能力。最終按照等權(quán)重的投資策略,以本文提出的基于SVM的分類技術(shù)所選出的優(yōu)勢股進(jìn)行投資,無論是在牛市或是熊市,都能獲取戰(zhàn)勝大
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(hù)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
- 基于粒計算的支持向量機(jī)多分類模型研究.pdf
- 基于支持向量機(jī)的多分類模型的研究和設(shè)計.pdf
- 基于多分類支持向量機(jī)的快速入侵檢測模型.pdf
- 基于支持向量機(jī)的多分類算法研究.pdf
- 基于支持向量機(jī)的多分類方法研究.pdf
- 基于BPSO的多分類支持向量機(jī)研究.pdf
- 基于支持向量機(jī)的多分類問題研究.pdf
- 基于支持向量機(jī)的選時和選股研究.pdf
- 基于多分類支持向量機(jī)的人臉識別研究.pdf
- 支持向量機(jī)多分類直接算法研究.pdf
- 多分類廣義加權(quán)支持向量機(jī)研究.pdf
- 基于支持向量機(jī)的多分類方法研究及應(yīng)用.pdf
- 支持向量機(jī)的多分類擴(kuò)展算法研究.pdf
- 支持向量分類機(jī)(SVC)在量化選股中的應(yīng)用.pdf
- 支持向量機(jī)多分類方法的研究及應(yīng)用.pdf
- 基于趨同的支持向量回歸機(jī)多分類方法研究.pdf
- 多分類支持向量機(jī)的推廣性能.pdf
- 多分類支持向量機(jī)算法和應(yīng)用研究.pdf
- 基于聚類與支持向量機(jī)多分類的WSN入侵檢測研究.pdf
- 多分類問題的投影雙子支持向量機(jī)及其應(yīng)用.pdf
評論
0/150
提交評論