基于支持向量機的股價短期預測研究.pdf

1、股票市場是一個復雜的非線性動態(tài)系統(tǒng)，為了保證股票投資者的利益，通過預測股市波動的情況來把握股票市場的發(fā)展規(guī)律以降低股票的投資風險顯得很有必要。國內外很多研究者通過研究，建立了一些有效的證券價格預測模型。時間序列模型、ANN模型、GA模型等根據(jù)自身的特點，從不同角度解決了證券價格預測各方面問題，其預測結果有一定的理論和現(xiàn)實意義。然而這些方法都有其各自的局限性，它們在預測過程中容易出現(xiàn)的過學習、欠學習、局部極小值和維數(shù)災難等問題。SVM模型

2、能夠較好地解決這些問題，被廣泛的應用到證券預測領域得，并取得了很好的成果。
　　 首先，介紹了股市的相關背景知識以及現(xiàn)有的股市預測的方法，指出各個預測方法的不足之處。然后簡單的介紹了統(tǒng)計學習理論相關知識，最后具體描述了支持向量機算法的相關理論知識。
　　 其次，將支持向量機方法用于股市預測，提出了支持向量機方法進行股市預測的基本流程。試驗過程把上海綜合指數(shù)作為研究對象，以基礎指標作為輸入變量，根據(jù)不同時期的收盤價和成交量

3、設計9組方案。通過9組對比試驗，將試驗結果指標化，找出精度最高的方案。最后確定收盤價和成交量在股價預測中的時間有效性。
　　 然后，設計支持向量機預測模型。選擇4類技術指標作為輸入變量，根據(jù)數(shù)據(jù)預處理過程中不同的階段，設計2組方案。方案10以相關性分析后剩下的技術指標作為輸入變量。對方案10的輸入變量做因子分析，有效減低輸入變量的維度，提取主成分。方案11以因子分析提取的主成分作為輸入變量。
　　 最后，根據(jù)11組方案的