股票市場在一個國家的經(jīng)濟(jì)發(fā)展中占據(jù)重要部分.股票價格的預(yù)測對于政府部門,投資機(jī)構(gòu)和投資者是非常重要的.但是,股票的價格走勢可能會受到外部的政治因素,宏觀經(jīng)濟(jì)因素,法律因等因素的影響,導(dǎo)致股票價格的波動性和股票預(yù)測研究很大的不確定性.因此,在繁雜因素中選取有用的信息對股票進(jìn)行預(yù)測,被許多專家學(xué)者廣泛研究.本文的第一部分主要對支持向量機(jī)在股票預(yù)測進(jìn)行研究,提出了一種基于PCA-SVM-KNN的模型來對股價漲跌進(jìn)行預(yù)測.該模型是將主成分分析方法(PCA)、改進(jìn)的支持向量機(jī)(SVM)與K近鄰算法(KNN)模型結(jié)合.其中主成分分析是用來消除變量間的多重共線性,減少模型運(yùn)行時間同時提高模型預(yù)測的準(zhǔn)確率.改進(jìn)并優(yōu)化支持向量機(jī)與K近鄰算法結(jié)合模型,通過對分類數(shù)據(jù)的動態(tài)調(diào)整,選取不同的時間滑窗股票漲跌分類共同對股票趨勢分類預(yù)測.在實證分析中,選取上證指數(shù)和深證指數(shù),12支不同行業(yè)的股票數(shù)據(jù)對模型進(jìn)行驗證.結(jié)果表明,所提出的PCA-SVM-KNN模型有很大的泛化能力,能得到較準(zhǔn)確的股票價格預(yù)測趨勢.本文的第二部分主要是對股票收益率進(jìn)行預(yù)測和尋找股票最優(yōu)投資組合.首先,考慮到小波降噪在時間預(yù)測中處理非平穩(wěn)數(shù)...

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

本文編號：3878796