本文關(guān)鍵詞：基于改進(jìn)GA優(yōu)化參數(shù)的SVR股價(jià)預(yù)測(cè)研究

  更多相關(guān)文章： 小波去噪 遺傳算法 支持向量機(jī)回歸 股價(jià)預(yù)測(cè)

【摘要】：股票價(jià)格是一個(gè)非靜態(tài)的多變的體系,有很多因素可以對(duì)股票價(jià)格產(chǎn)生影響,這使得價(jià)格的動(dòng)態(tài)變化更加的復(fù)雜。因此,如何有效地預(yù)測(cè)股票的價(jià)格,最大程度地規(guī)避股市風(fēng)險(xiǎn),獲得豐厚的效益,成為當(dāng)今國(guó)內(nèi)外學(xué)者研究的方向。針對(duì)股票價(jià)格的動(dòng)態(tài)性及非線性等特點(diǎn),提出了基于改進(jìn)遺傳算法(Genetic Algorithm, GA)優(yōu)化的支持向量回歸機(jī)(S upport Vector Regression, SV R)股價(jià)預(yù)測(cè)模型。首先,將選取的股票價(jià)格樣本進(jìn)行小波去噪處理,消除股票價(jià)格時(shí)間序列的噪聲,充分保留原信號(hào)的有效信息,以達(dá)到更高的預(yù)測(cè)精度。繼而,將經(jīng)過(guò)改進(jìn)GA優(yōu)化參數(shù)的SVR模型對(duì)經(jīng)過(guò)去噪處理的數(shù)據(jù)進(jìn)行預(yù)測(cè)及評(píng)價(jià)。實(shí)驗(yàn)結(jié)果證明,相對(duì)標(biāo)準(zhǔn)的小波-GA-SVR、單一的SVR模型和其他預(yù)測(cè)模型相比,改進(jìn)小波-GA-SVR模型具有良好的預(yù)測(cè)效果,對(duì)股票價(jià)格的預(yù)測(cè)研究具有一定的意義。
【關(guān)鍵詞】：小波去噪 遺傳算法 支持向量機(jī)回歸 股價(jià)預(yù)測(cè)
【學(xué)位授予單位】：福建師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP18;F832.51
【目錄】：

• 中文摘要2-3
• Abstract3-4
• 中文文摘4-9
• 緒論9-15
• 第一節(jié) 研究背景和意義9-10
• 第二節(jié) 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 第三節(jié) 本文研究?jī)?nèi)容及結(jié)構(gòu)13-15
• 第一章 股票相關(guān)理論概述15-21
• 第一節(jié) 股票的概念及特點(diǎn)15-17
• 第二節(jié) 股票預(yù)測(cè)常用方法17-20
• 第三節(jié) 本章小結(jié)20-21
• 第二章 小波變換的理論基礎(chǔ)21-29
• 第一節(jié) 小波的定義21-23
• 第二節(jié) 離散小波變換23-24
• 第三節(jié) 多分辨率分析24-25
• 第四節(jié) 小波去噪原理25-27
• 第五節(jié) 本章小結(jié)27-29
• 第三章 支持向量回歸機(jī)理論29-35
• 第一節(jié) 支持向量機(jī)29-32
• 第二節(jié) 支持向量回歸機(jī)(SVR)原理32-33
• 第三節(jié) SVR的參數(shù)選擇33-34
• 第四節(jié) 本章小結(jié)34-35
• 第四章 基于GA優(yōu)化參數(shù)的SVR模型35-45
• 第一節(jié) 遺傳算法理論35-39
• 第二節(jié) 改進(jìn)遺傳算法39-40
• 第三節(jié) 構(gòu)建改進(jìn)GA-SVR模型40-43
• 第四節(jié) 本章小結(jié)43-45
• 第五章 股票預(yù)測(cè)模型的實(shí)證研究45-53
• 第一節(jié) 股票樣本及預(yù)處理45-46
• 第二節(jié) 基于改進(jìn)GA-SVR的股票價(jià)格預(yù)測(cè)實(shí)證46-48
• 第三節(jié) 與其他預(yù)測(cè)模型對(duì)比48-51
• 第四節(jié) 2014及2015年股價(jià)預(yù)測(cè)51-52
• 第五節(jié) 本章小結(jié)52-53
• 第六章 結(jié)論53-55
• 參考文獻(xiàn)55-61
• 攻讀學(xué)位期間承擔(dān)的科研任務(wù)與主要成果61-63
• 致謝63-65
• 個(gè)人簡(jiǎn)歷65-69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 蔡紅;陳榮耀;;基于PCA-BP神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)研究[J];計(jì)算機(jī)仿真;2011年03期

2 史熒中;王士同;蔣亦樟;劉培林;;遷移學(xué)習(xí)支持向量回歸機(jī)[J];計(jì)算機(jī)應(yīng)用;2013年11期

3 張桐;邢東旭;;數(shù)據(jù)挖掘在股票方面的應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2013年01期

4 郭帝;;波浪理論在現(xiàn)貨電子交易中應(yīng)用研究[J];中國(guó)證券期貨;2013年08期

5 施劍;;基于SVM的IPO首日投資策略分析[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年10期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 毛開(kāi)翼;關(guān)于組合預(yù)測(cè)中的權(quán)重確定及應(yīng)用[D];成都理工大學(xué);2007年

，

本文編號(hào)：580227