本文選題：股票價(jià)格指數(shù)預(yù)測(cè) + 多步預(yù)測(cè)　； 參考：《系統(tǒng)工程》2012年10期

【摘要】：針對(duì)股票價(jià)格指數(shù)多步預(yù)測(cè)問題,提出基于SOM(自組織映射神經(jīng)網(wǎng)絡(luò))和SVMs(支持向量機(jī))的多步預(yù)測(cè)方法。該方法首先運(yùn)用SOM對(duì)股票價(jià)格指數(shù)序列的輸入模式進(jìn)行聚類,得到若干模式相對(duì)單一的數(shù)據(jù)集,然后依據(jù)兩種多步預(yù)測(cè)策略,基于劃分后的數(shù)據(jù)集分別構(gòu)建SVMs多步預(yù)測(cè)模型。針對(duì)SVMs建模中參數(shù)選擇問題,論文應(yīng)用PSO(粒子群優(yōu)化)方法進(jìn)行參數(shù)尋優(yōu)。數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,相對(duì)于單一SVMs預(yù)測(cè)模型,基于SOM和SVMs的多步預(yù)測(cè)模型具有較好的多步預(yù)測(cè)性能。
[Abstract]:Aiming at the multi-step prediction of stock price index, a multi-step prediction method based on SOM (Self-Organizing Mapping Neural Network) and SVMs (support Vector Machine) is proposed. In this method, firstly, SOM is used to cluster the input patterns of stock price index series, and some data sets with relatively single patterns are obtained. Then, based on two multistep prediction strategies, the SVMs multistep prediction model is constructed based on the partitioned data sets. In order to solve the problem of parameter selection in SVMs modeling, PSO (Particle Swarm Optimization) method is used to optimize the parameters. The experimental results show that the multistep prediction model based on SOM and SVMs has better performance than the single SVMs prediction model.
【作者單位】： 華中科技大學(xué)管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(70771042;70731001) 中央高�；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(HUST-2012QN208) 湖北省人文社會(huì)科學(xué)重點(diǎn)研究基地現(xiàn)代信息管理研究中心研究項(xiàng)目
【分類號(hào)】：F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 向小東,郭耀煌;基于徑向基函數(shù)網(wǎng)絡(luò)的改進(jìn)算法的股市數(shù)據(jù)預(yù)測(cè)[J];預(yù)測(cè);2002年04期

【共引文獻(xiàn)】

相關(guān)期刊論文 前6條

1 肖東生;趙曉娟;;基于粗神經(jīng)網(wǎng)絡(luò)的企業(yè)組織創(chuàng)新風(fēng)險(xiǎn)預(yù)警[J];工業(yè)工程與管理;2006年04期

2 孟慧慧;葉德謙;劉娜;;基于神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)系統(tǒng)研究[J];微計(jì)算機(jī)信息;2007年03期

3 趙春玲,黃鬩,陳森發(fā);一種多源信息的最優(yōu)融合方法研究[J];信息與控制;2005年01期

4 李自如;邊利;鄧建;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的流程企業(yè)供應(yīng)鏈預(yù)測(cè)仿真[J];運(yùn)籌與管理;2006年01期

5 潘郁,菅利榮,達(dá)慶利;多標(biāo)準(zhǔn)決策表中發(fā)現(xiàn)概率規(guī)則的變精度粗糙集方法[J];中國(guó)管理科學(xué);2005年01期

6 鄒昊飛;夏國(guó)平;楊方廷;;基于自組織算法的改進(jìn)型GAANN預(yù)測(cè)模型[J];中國(guó)管理科學(xué);2005年06期

相關(guān)會(huì)議論文 前1條

1 王慧敏;佟金萍;;宏觀經(jīng)濟(jì)預(yù)警新探索:粗集—神經(jīng)網(wǎng)絡(luò)預(yù)警方法[A];管理科學(xué)與系統(tǒng)科學(xué)研究新進(jìn)展——第7屆全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)博士學(xué)位論文 前3條

1 胡濤;基于非參數(shù)的水產(chǎn)品價(jià)格預(yù)測(cè)系統(tǒng)研究[D];中國(guó)農(nóng)業(yè)大學(xué);2005年

2 鄭醒塵;資產(chǎn)價(jià)格系統(tǒng)演變模型的理論與實(shí)證研究[D];浙江大學(xué);2006年

3 丁加明;基于粗糙集理論的膨脹土路基氣候作用分析及水毀災(zāi)害預(yù)測(cè)[D];中南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 杜軍;基于粗集—神經(jīng)網(wǎng)絡(luò)的宏觀經(jīng)濟(jì)預(yù)警研究[D];河海大學(xué);2003年

2 郭慶;基于截集的模糊粗糙集及其粗糙度[D];昆明理工大學(xué);2002年

3 武昊鵬;證券市場(chǎng)價(jià)格走勢(shì)技術(shù)分析的研究[D];北方工業(yè)大學(xué);2004年

4 孔平;模糊近似空間中模糊粗糙集的新定義及應(yīng)用[D];昆明理工大學(xué);2003年

5 戴慶華;基于知識(shí)約簡(jiǎn)與人工神經(jīng)網(wǎng)絡(luò)技術(shù)的中國(guó)證券市場(chǎng)研究[D];昆明理工大學(xué);2003年

6 張玉斌;股票市場(chǎng)信息分析方法研究[D];哈爾濱理工大學(xué);2004年

7 朱梅;混沌時(shí)間序列預(yù)測(cè)及其在股票市場(chǎng)中的應(yīng)用[D];東南大學(xué);2004年

8 黃穎嵩;采用智能技術(shù)的股票估值模型與應(yīng)用[D];東華大學(xué);2006年

9 方芬;多變量混沌時(shí)間序列預(yù)測(cè)及其在股票市場(chǎng)中的應(yīng)用[D];東南大學(xué);2006年

10 錢志強(qiáng);正則化回歸方法及其在混沌時(shí)間序列中的應(yīng)用[D];東南大學(xué);2005年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 葉美盈,汪曉東,張浩然;基于在線最小二乘支持向量機(jī)回歸的混沌時(shí)間序列預(yù)測(cè)[J];物理學(xué)報(bào);2005年06期

2 李軍,劉君華;一種新型廣義RBF神經(jīng)網(wǎng)絡(luò)在混沌時(shí)間序列預(yù)測(cè)中的研究[J];物理學(xué)報(bào);2005年10期

3 韓敏;史志偉;郭偉;;儲(chǔ)備池狀態(tài)空間重構(gòu)與混沌時(shí)間序列預(yù)測(cè)[J];物理學(xué)報(bào);2007年01期

4 王上飛,周佩玲,吳耿峰,付忠謙,儲(chǔ)閱春,沈謙;徑向基神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用[J];預(yù)測(cè);1998年06期

，

本文編號(hào)：1943166