本文關(guān)鍵詞：基于支持向量機(jī)股票價(jià)格指數(shù)建模及預(yù)測

  更多相關(guān)文章： 股票價(jià)格指數(shù) 支持向量機(jī) 最佳參數(shù) 預(yù)測模型

【摘要】：為提高預(yù)測精度,采用基于支持向量機(jī)理論的預(yù)測方法對股票價(jià)格指數(shù)進(jìn)行預(yù)測。文章在分析支持向量機(jī)預(yù)測基本原理基礎(chǔ)上,以交叉驗(yàn)證法確定了最佳回歸參數(shù)并以此建立了預(yù)測模型。對上海證券交易所的股票價(jià)格指數(shù)進(jìn)行預(yù)測,研究結(jié)果表明基于支持向量機(jī)預(yù)測法能較準(zhǔn)確地反映股票價(jià)格指數(shù)的變化趨勢且提高了預(yù)測精度,驗(yàn)證了此方法在股票價(jià)格指數(shù)預(yù)測中的可行性。
【作者單位】： 許昌學(xué)院公共實(shí)驗(yàn)中心;許昌學(xué)院數(shù)學(xué)與統(tǒng)計(jì)學(xué)院;
【關(guān)鍵詞】： 股票價(jià)格指數(shù) 支持向量機(jī) 最佳參數(shù) 預(yù)測模型
【基金】：河南省教育廳自然科學(xué)研究計(jì)劃項(xiàng)目(2010A510011)
【分類號】：F832.51;TP18
【正文快照】： 0引言一直以來,專家和業(yè)內(nèi)人士都致力于尋求更有效的股票價(jià)格指數(shù)預(yù)測方法�；貧w預(yù)測法[1]的預(yù)測精度高,適合用于中長期預(yù)測,但對歷史數(shù)據(jù)要求高,回歸變量難以確定,且缺乏自學(xué)習(xí)能力。時(shí)間序列預(yù)測法[2]計(jì)算工作量小,適合短期預(yù)測,但對規(guī)律性的處理存在不足。人工神經(jīng)網(wǎng)絡(luò)具

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 梁坤;聶會星;徐樅巍;;基于支持向量機(jī)的北京市房地產(chǎn)價(jià)格指數(shù)預(yù)測[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

2 魏俊;周步祥;林楠;邢義;;基于蟻群支持向量機(jī)的短期負(fù)荷預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2009年04期

3 楊洪;古世甫;崔明東;孫禹;;基于遺傳優(yōu)化的最小二乘支持向量機(jī)風(fēng)電場風(fēng)速短期預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2011年11期

4 王觀玉;郭勇;;支持向量機(jī)在電信客戶流失預(yù)測中的應(yīng)用研究[J];計(jì)算機(jī)仿真;2011年04期

5 王f[,張少華;一種應(yīng)用時(shí)間序列技術(shù)的短期電力負(fù)荷預(yù)測模型[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年02期

6 石月珍;徐冬梅;;基于支持向量機(jī)模型的湘江枯水預(yù)報(bào)研究[J];水利水電技術(shù);2011年04期

7 趙宏偉,任震,黃雯瑩;基于周期自回歸模型的短期負(fù)荷預(yù)測[J];中國電機(jī)工程學(xué)報(bào);1997年05期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫海健;基于子集自回歸模型的短期負(fù)荷預(yù)測[J];電力需求側(cè)管理;2001年05期

2 顧潔;應(yīng)用小波分析進(jìn)行短期負(fù)荷預(yù)測[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2003年02期

3 李云飛;黃彥全;蔣功連;;基于PCA-SVM的電力系統(tǒng)短期負(fù)荷預(yù)測[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2007年05期

4 王奔;冷北雪;張喜海;單纕，

本文編號：1054873