本文關(guān)鍵詞：基于改進(jìn)的支持向量機(jī)的股票預(yù)測(cè)方法　出處：《江蘇科技大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 支持向量機(jī) 遺傳算法 ROC曲線 股票預(yù)測(cè)

【摘要】：如何把握股票的漲跌規(guī)律一直是股市中的一個(gè)難題.利用股市中常用的技術(shù)指標(biāo)作為特征,支持向量機(jī)作為算法對(duì)股票價(jià)格的變化進(jìn)行建模,旨在通過(guò)機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘方法對(duì)股票的漲跌進(jìn)行預(yù)測(cè).其主要方法是依據(jù)最大化收益思想,提出了根據(jù)ROC曲線下的面積AUC值進(jìn)行遺傳參數(shù)尋優(yōu)的支持向量機(jī),解決傳統(tǒng)方法在預(yù)測(cè)中可用性不高的問(wèn)題.在實(shí)驗(yàn)中,將其應(yīng)用于滬深股票的漲跌預(yù)測(cè),通過(guò)最優(yōu)化不同的時(shí)間窗口,得到了不錯(cuò)的收益結(jié)果.通過(guò)實(shí)驗(yàn)表明,該方法對(duì)股票交易具有預(yù)測(cè)指導(dǎo)作用,可以幫助投資者簡(jiǎn)化分析步驟并增加獲利.
[Abstract]:How to grasp the law of stock fluctuation has been a difficult problem in the stock market. Using the technical indicators commonly used in the stock market as a feature, support vector machine (SVM) is used as an algorithm to model the change of stock price. The purpose of this paper is to predict the stock price and decline through machine learning and data mining, which is based on the idea of maximization of income. A support vector machine (SVM) is proposed to optimize genetic parameters according to the area AUC value under the ROC curve, which solves the problem of low availability of traditional methods in prediction. The method is applied to the forecasting of stock price in Shanghai and Shenzhen. By optimizing different time window, the good result of income is obtained. The experiment shows that the method can predict the stock trading. It can help investors simplify analytical procedures and increase profits.
【作者單位】： 南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【分類(lèi)號(hào)】：F832.51;TP18
【正文快照】： 隨著中國(guó)經(jīng)濟(jì)建設(shè)的發(fā)展,越來(lái)越多的民眾選擇投資股市來(lái)實(shí)現(xiàn)自己資產(chǎn)的增值.入市股民也越來(lái)越關(guān)注如何從上千只股票中選擇優(yōu)質(zhì)股,以及如何把握股票的漲跌規(guī)律這個(gè)難題.由于散戶們獲取關(guān)于上市公司信息的渠道有限,他們更傾向于使用歷史數(shù)據(jù)的K線圖以及各種各樣的技術(shù)指標(biāo)進(jìn)行分

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周緒川;;基于分割提速法和多線程的股票預(yù)測(cè)方法[J];蘭州理工大學(xué)學(xué)報(bào);2013年02期

2 葉德謙;金大兵;楊櫻;;基于強(qiáng)化學(xué)習(xí)的股票預(yù)測(cè)系統(tǒng)的研究與設(shè)計(jì)[J];微計(jì)算機(jī)信息;2006年06期

3 王天娥;葉德謙;季春蘭;;粗糙集屬性約簡(jiǎn)方法在股票預(yù)測(cè)中的應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年30期

4 劉軍;邱曉紅;汪志勇;楊鵬;;基于相似性最優(yōu)模塊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

5 魏立龍;許東方;孫浩;周明祥;;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)在股票預(yù)測(cè)中的應(yīng)用[J];信息與電腦(理論版);2011年05期

6 林倩瑜;馮少榮;張東站;;基于神經(jīng)網(wǎng)絡(luò)和模式匹配的股票預(yù)測(cè)研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2010年05期

7 張晨希;張燕平;張迎春;陳潔;萬(wàn)忠;;基于支持向量機(jī)的股票預(yù)測(cè)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年06期

8 張晨希;張迎春;萬(wàn)忠;陳潔;張燕平;張鈴;;基于交叉覆蓋算法的股票預(yù)測(cè)[J];微機(jī)發(fā)展;2005年12期

9 許雁;陳月輝;曹毅;;基于隨機(jī)微分方程模型的股票預(yù)測(cè)[J];信息技術(shù)與信息化;2011年05期

10 張揚(yáng)武;;基于時(shí)間序列和神經(jīng)網(wǎng)絡(luò)相結(jié)合的股票預(yù)測(cè)研究[J];電腦知識(shí)與技術(shù);2009年01期

相關(guān)重要報(bào)紙文章 前1條

1 若沖;比追逐財(cái)富更重要[N];市場(chǎng)報(bào);2001年

相關(guān)碩士學(xué)位論文 前10條

1 吳濤;基于神經(jīng)網(wǎng)絡(luò)的模擬股票預(yù)測(cè)交易系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

2 郝知遠(yuǎn);基于數(shù)據(jù)挖掘方法的股票預(yù)測(cè)系統(tǒng)[D];南京理工大學(xué);2017年

3 徐嫩霞;基于協(xié)同認(rèn)知的智能股票預(yù)測(cè)[D];昆明理工大學(xué);2000年

4 孫巍巍;基于多指標(biāo)群決策理論的股票預(yù)測(cè)系統(tǒng)研究[D];昆明理工大學(xué);2002年

5 陶嗣干;覆蓋算法在股票預(yù)測(cè)中的應(yīng)用[D];安徽大學(xué);2010年

6 劉海s，

本文編號(hào)：1402374