中國股票市場的變化對整個國家的市場經(jīng)濟動態(tài)而言是密不可分的,在推動我國國民經(jīng)濟增長上產(chǎn)生了重要的影響。相對于西方發(fā)達資本市場,我國當前股市主要的智能投顧策略仍有一定的缺陷,在機器學習領域,參數(shù)的優(yōu)化會直接對各模型的核函數(shù)和運行性能產(chǎn)生重要影響,參數(shù)設定主要依靠個人經(jīng)驗,不一定找得到全局最優(yōu)且缺少客觀性,這些問題導致了一些散戶投資者和企業(yè)投資商在投資上的失誤。因此對模型參數(shù)的尋優(yōu)以及股票的預測進行研究并以此指導廣大投資者合理投資,具有重要的意義。為了更好地進行預測,本文在支持向量機模型的基礎上建立了結合核函數(shù)與參數(shù)尋優(yōu)的預測模型,在徑向基核函數(shù)、sigmoid核函數(shù)、多項式核函數(shù)以及線性核函數(shù)下分別使用了網(wǎng)格搜索法、遺傳算法、粒子群算法對支持向量機的參數(shù)進行尋優(yōu),以此增強模型在實際中的應用性。本文首先總結了支持向量機算法以及對其優(yōu)化方法的研究進展;然后闡述了支持向量機的理論基礎;接著提出構造出基于參數(shù)優(yōu)化的支持向量機預測模型的思路和所用算法的理論基礎;最終將其應用在金融市場上,對選定的股票池中短期股票價格進行了預測,并進一步完成了股票的智能投顧策略,為股票投顧策略的分析提供新的視角和思路... 

【文章來源】：上海師范大學上海市

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

本文技術路線圖

圖 2-4 二維平面線性不可分到三維平面線性可分圖 2-4 所示，在機器學習的過程中如果引入了核函數(shù)的話，那么就地提升處理非線性問題的能力，使得可以確保在高維空間中的內(nèi)特性，從而降低了學習的困難程度，使問題的解決變得越發(fā)簡單

圖 2-5 K 折交叉驗證網(wǎng)格法參數(shù)尋優(yōu)原理圖搜索法正是基于交叉驗證的基礎上，其基本原理就是讓支的參數(shù) C 和 g 在一定范圍內(nèi)取值，并將取值點劃分為網(wǎng)格內(nèi)所有的點進行取值，對于每個 C 和 g 的取值利用 k 折交


本文編號：3487138