中國(guó)股票市場(chǎng)的變化對(duì)整個(gè)國(guó)家的市場(chǎng)經(jīng)濟(jì)動(dòng)態(tài)而言是密不可分的,在推動(dòng)我國(guó)國(guó)民經(jīng)濟(jì)增長(zhǎng)上產(chǎn)生了重要的影響。相對(duì)于西方發(fā)達(dá)資本市場(chǎng),我國(guó)當(dāng)前股市主要的智能投顧策略仍有一定的缺陷,在機(jī)器學(xué)習(xí)領(lǐng)域,參數(shù)的優(yōu)化會(huì)直接對(duì)各模型的核函數(shù)和運(yùn)行性能產(chǎn)生重要影響,參數(shù)設(shè)定主要依靠個(gè)人經(jīng)驗(yàn),不一定找得到全局最優(yōu)且缺少客觀性,這些問題導(dǎo)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(duì)模型參數(shù)的尋優(yōu)以及股票的預(yù)測(cè)進(jìn)行研究并以此指導(dǎo)廣大投資者合理投資,具有重要的意義。為了更好地進(jìn)行預(yù)測(cè),本文在支持向量機(jī)模型的基礎(chǔ)上建立了結(jié)合核函數(shù)與參數(shù)尋優(yōu)的預(yù)測(cè)模型,在徑向基核函數(shù)、sigmoid核函數(shù)、多項(xiàng)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(duì)支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu),以此增強(qiáng)模型在實(shí)際中的應(yīng)用性。本文首先總結(jié)了支持向量機(jī)算法以及對(duì)其優(yōu)化方法的研究進(jìn)展;然后闡述了支持向量機(jī)的理論基礎(chǔ);接著提出構(gòu)造出基于參數(shù)優(yōu)化的支持向量機(jī)預(yù)測(cè)模型的思路和所用算法的理論基礎(chǔ);最終將其應(yīng)用在金融市場(chǎng)上,對(duì)選定的股票池中短期股票價(jià)格進(jìn)行了預(yù)測(cè),并進(jìn)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(xué)上海市

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文技術(shù)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(jī)器學(xué)習(xí)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(xué)習(xí)的困難程度，使問題的解決變得越發(fā)簡(jiǎn)單

圖 2-5 K 折交叉驗(yàn)證網(wǎng)格法參數(shù)尋優(yōu)原理圖搜索法正是基于交叉驗(yàn)證的基礎(chǔ)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(diǎn)劃分為網(wǎng)格內(nèi)所有的點(diǎn)進(jìn)行取值，對(duì)于每個(gè) C 和 g 的取值利用 k 折交


本文編號(hào)：3487138