基于支持向量機的股市預測研究.pdf

1、股票市場不僅是國家經(jīng)濟的“晴雨表”，更是企業(yè)融資和廣大股民投資的重要手段，對股票的預測研究無論對散戶投資者、企業(yè)還是政府相關政策的制定都具有重大的理論與現(xiàn)實意義。支持向量機是數(shù)據(jù)挖掘中的一項新技術，它建立在統(tǒng)計學習理論的VC維理論與結構風險最小化原則基礎上，在高維模式識別、函數(shù)擬合、時間序列預測方面表現(xiàn)出特有的優(yōu)勢。本文內(nèi)容主要分為四個部分：
　　 第一部分：在參考了國內(nèi)外大量文獻的基礎上，對金融股市預測方法做了全面的介紹，并重

2、點介紹了統(tǒng)計學習理論和支持向量機。
　　 第二部分：對幾種典型的核函數(shù)的參數(shù)選擇進行了詳細的研究，并針對金融時間序列近期樣本數(shù)據(jù)遠比早期重要的特點，在多項式核和高斯徑向基核的基礎上，構造了新的核函數(shù)：金融核。實證表明新的核函數(shù)具有更好的優(yōu)越性。
　　 第三部分：在基于金融核的基礎上對標準支持向量機和幾種變形支持向量機：v-SVR、IS-SVR、AP-SVR進行了對比研究，實證表明AP-SVR在預測精度上更有優(yōu)勢，但是參數(shù)

3、控制很困難，訓練時間過長。IS-SVR的預測精度最低，但是訓練時間最快。v-SVR在參數(shù)選擇和控制上更加方便，訓練時間也快。針對股市預測的特點，采用v-SVR進行預測比較好。
　　 第四部分：針對股市時間序列數(shù)據(jù)非平穩(wěn)性、低信噪比這兩個典型的特征，在基于金融核和v-SVR的基礎上提出了基于k均值支持向量機的二階段預測模型，先對訓練數(shù)據(jù)進行k-means聚類分析，再用基于金融核的v-SVR進行預測，實證表明二階段模型極大提高了預測