【摘要】： 股票市場不僅是國家經(jīng)濟的“睛雨表”,更是企業(yè)融資和廣大股民投資的重要手段,對股票的預(yù)測研究無論對散戶投資者、企業(yè)還是政府相關(guān)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(shù),它建立在統(tǒng)計學(xué)習(xí)理論的VC維理論與結(jié)構(gòu)風(fēng)險最小化原則基礎(chǔ)上,在高維模式識別、函數(shù)擬合、時間序列預(yù)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(xiàn)的基礎(chǔ)上,對金融股市預(yù)測方法做了全面的介紹,并重點介紹了統(tǒng)計學(xué)習(xí)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(jìn)行了詳細(xì)的研究,并針對金融時間序列近期樣本數(shù)據(jù)遠(yuǎn)比早期重要的特點,在多項式核和高斯徑向基核的基礎(chǔ)上,構(gòu)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(chǔ)上對標(biāo)準(zhǔn)支持向量機和幾種變形支持向量機:v-SVR、LS-SVR、AP-SVR進(jìn)行了對比研究,實證表明AP-SVR在預(yù)測精度上更有優(yōu)勢,但是參數(shù)控制很困難,訓(xùn)練時間過長。LS-SVR的預(yù)測精度最低,但是訓(xùn)練時間最快。v-SVR在參數(shù)選擇和控制上更加方便,訓(xùn)練時間也快。針對股市預(yù)測的特點,采用v-SVR進(jìn)行預(yù)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(chǔ)上提出了基于k均值支持向量機的二階段預(yù)測模型,先對訓(xùn)練數(shù)據(jù)進(jìn)行k-means聚類分析,再用基于金融核的v-SVR進(jìn)行預(yù)測,實證表明二階段模型極大提高了預(yù)測精度,具有更好的魯棒性。最后在此模型的基礎(chǔ)上對股市三種典型的數(shù)據(jù)進(jìn)行了50天滾動預(yù)測。 本文提出的基于金融核的二階段預(yù)測模型在預(yù)測結(jié)果上來看是令人滿意的,與傳統(tǒng)的SVM預(yù)測模型相比,無論在學(xué)習(xí)能力和泛化能力上看都具有明顯的優(yōu)越性。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2010
【分類號】：F830.91;TP18
【圖文】：

圖2.7組合核與金融核之間預(yù)測效果的對比從圖2.5、2.6、2.7的預(yù)測結(jié)果比較中可以看出rbf、poly和組合核的差距是很大，高斯徑向基核在前巧步預(yù)測精度較高，越到后面精度稍差，因為高核的泛化能力不如多項式核，而多項式核在后面的預(yù)測精度比高斯核要好，前幾步不如高斯徑向基核，而組合核無論從學(xué)習(xí)能力還是泛化性能上表現(xiàn)的都與個核函數(shù)差不多，優(yōu)勢不明顯，而且在組合系數(shù)上的選擇要十分小心。而新構(gòu)的金融核函數(shù)在預(yù)測中的表現(xiàn)比其它幾種核函數(shù)都具有更出色的學(xué)習(xí)能力和測精度，這一點從NMSE、MAE、DS上看尤為明顯。但是金融核雖然性能優(yōu)越，同時也增加了參數(shù)選擇的困難，比如這里多了一個控制參數(shù)b，不過在實驗中的取值為10左右較好，用金融核的時候訓(xùn)練時間也增加不少，因為每次計算矩陣的時候都要重新計算衣，因此樣本數(shù)不宜太大。

入?yún)?shù)有開盤價、收盤價、最高價、最低價、成交量、當(dāng)日漲跌幅度，預(yù)測下一日漲跌幅，用一1和1表示，數(shù)據(jù)歸一化后用10折交叉驗證再進(jìn)行網(wǎng)格搜索，我們采用LIBSVM下面的grid.py工具繪出等高線如圖4.3所示。從圖中可以看出，當(dāng)e取s、gamma取0.125的時候ev:ate為59.07530，0，然后我們再去構(gòu)造模型，對后25天驗證集進(jìn)行預(yù)測，預(yù)測準(zhǔn)確率為68%

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 王欣冉;基于小波包與最小二乘支持向量機的時間序列預(yù)測研究[D];中國地質(zhì)大學(xué)（北京）;2011年

2 鄭艷清;粒子群優(yōu)化的支持向量機在股票預(yù)測中的研究與應(yīng)用[D];廣東工業(yè)大學(xué);2012年

本文編號：2721245