基于支持向量機的股指時間序列預測.pdf

1、股票市場預測是一個小樣本，復雜系統(tǒng)分析預測的問題，本文將統(tǒng)計學習理論引入該領域，結合混沌時間序列分析方法，進行了一些探討，介紹了基于統(tǒng)計學習理論的支持向量機方法。在實際運用中，我們選擇了標準支持向量機的變體——最小二乘法支持向量機工具LSSVM．M，此工具運行環(huán)境為MATLAB軟件。為了保證LSSVM．M處理數據的準確性，本文對此工具的預測和擬合性能進行了驗證，發(fā)現本工具的問題主要是預測的結果不理想，通過詳細的分析，我們對它進行了改進。

2、最后，使用改進后的工具對金融時間序列數據進行處理，得到了較好的結果。 主要研究內容與結論如下：研究支持向量機的數學模型，從理論上分析支持向量機在小子樣數據處理中的優(yōu)勢，并指出支持向量機在實際運用中的缺陷。采用一種支持向量機的進化工具“最小二乘支持向量機LSSVM．M”對數據進行分析。在研究LSSVM．M的基本框架和算法流程的基礎上，對預測和擬合效果進行測試，發(fā)現參數選擇是影響其預測效果的主要因素。本文從網格搜索和留一交叉驗證的原