基于支持向量機(jī)的股指時間序列預(yù)測.pdf

1、股票市場預(yù)測是一個小樣本，復(fù)雜系統(tǒng)分析預(yù)測的問題，本文將統(tǒng)計學(xué)習(xí)理論引入該領(lǐng)域，結(jié)合混沌時間序列分析方法，進(jìn)行了一些探討，介紹了基于統(tǒng)計學(xué)習(xí)理論的支持向量機(jī)方法。在實際運用中，我們選擇了標(biāo)準(zhǔn)支持向量機(jī)的變體——最小二乘法支持向量機(jī)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(shù)據(jù)的準(zhǔn)確性，本文對此工具的預(yù)測和擬合性能進(jìn)行了驗證，發(fā)現(xiàn)本工具的問題主要是預(yù)測的結(jié)果不理想，通過詳細(xì)的分析，我們對它進(jìn)行了改進(jìn)。

2、最后，使用改進(jìn)后的工具對金融時間序列數(shù)據(jù)進(jìn)行處理，得到了較好的結(jié)果。 主要研究內(nèi)容與結(jié)論如下：研究支持向量機(jī)的數(shù)學(xué)模型，從理論上分析支持向量機(jī)在小子樣數(shù)據(jù)處理中的優(yōu)勢，并指出支持向量機(jī)在實際運用中的缺陷。采用一種支持向量機(jī)的進(jìn)化工具“最小二乘支持向量機(jī)LSSVM．M”對數(shù)據(jù)進(jìn)行分析。在研究LSSVM．M的基本框架和算法流程的基礎(chǔ)上，對預(yù)測和擬合效果進(jìn)行測試，發(fā)現(xiàn)參數(shù)選擇是影響其預(yù)測效果的主要因素。本文從網(wǎng)格搜索和留一交叉驗證的原