股票至今已經有400多年的發(fā)展歷史了。股票市場的變化,間接地反映了整個國民經濟的發(fā)展狀況和股票公司的運營情況,它是整個社會經濟的“晴雨表”和“報警器”。研究股票市場未來若干天的數(shù)據(jù)變化對廣大的投資者來說有很重要的意義。 從事股票數(shù)據(jù)研究的學者主要分為三類:第一類學者主要應用技術分析的方法來研究市場過去和現(xiàn)在的行為反應,從而預測整個股市和某支股票價格未來的大致變化趨勢;第二類學者主要通過時間序列分析方法來預測股票市場的走勢;第三類學者則應用機器學習的方法建立各種學習模型來研究股票數(shù)據(jù)。 本文對股票預測研究現(xiàn)狀、機器學習、統(tǒng)計學習理論、支持向量機、混沌時間序列、小波理論作了一些介紹,并根據(jù)這些理論建立了預測的模型。該預測模型的核心是支持向量機的學習方法。支持向量機建立在統(tǒng)計學習理論的基礎之上,其結構簡單,在解決小樣本、非線性的問題時效果很好,而且能夠避免“維數(shù)災難”和“過學習”等現(xiàn)象。 具體的來說,本文完成的工作主要有以下幾點: 一、將支持向量機與混沌時間序列結合起來建立預測模型。根據(jù)相空間重構的方法將現(xiàn)有的數(shù)據(jù)變換成混沌時間序列,然后將時間序列數(shù)據(jù)劃分成訓練數(shù)據(jù)和測試數(shù)據(jù),從而建立支持向...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒言
    1.1 課題意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 股票技術分析方法
        1.2.2 時間序列預測方法
        1.2.3 人工神經網絡的預測方法
    1.3 論文結構
2 統(tǒng)計學習理論和支持向量機
    2.1 機器學習
        2.1.1 學習問題的表示
        2.1.2 經驗風險最小化原則
    2.2 統(tǒng)計學習理論
        2.2.1 理論背景
        2.2.2 函數(shù)集VC 維和推廣性的界
        2.2.3 結構風險最小化原則
    2.3 支持向量機
        2.3.1 支持向量機原理
        2.3.2 支持向量機分類
        2.3.3 支持向量機回歸
        2.3.4 支持向量機的特性
        2.3.5 支持向量機訓練算法
    2.4 核函數(shù)
        2.4.1 核函數(shù)原理
        2.4.2 常用的核函數(shù)
    2.5 小結
3 混沌時間序列
    3.1 混沌理論
    3.2 相空間重構理論
    3.3 相空間參數(shù)選取
        3.3.1 自相關法
        3.3.2 C-C 方法
    3.4 小結
4 基于支持向量機的混沌時間序列預測模型
    4.1 數(shù)據(jù)預處理和模型評價標準
        4.1.1 數(shù)據(jù)預處理
        4.1.2 預測模型的評價標準
    4.2 股市指標
    4.3 核函數(shù)和參數(shù)選取
        4.3.1 核函數(shù)的選取
        4.3.2 參數(shù)選取的意義
        4.3.3 最優(yōu)參數(shù)的選取方法
    4.4 基于支持向量機的時間序列模型的建立
    4.5 仿真結果及分析
        4.5.1 實驗平臺和數(shù)據(jù)的獲取
        4.5.2 實驗步驟
        4.5.3 仿真實驗
    4.6 小結
5 小波在支持向量機中的應用
    5.1 小波理論
    5.2 小波變換
        5.2.1 連續(xù)小波變換
        5.2.2 離散小波變換
        5.2.3 小波分解與重構
        5.2.4 二維信號的小波分解與重構
    5.3 基于小波的支持向量機股票預測
        5.3.1 基于小波的支持向量機模型
        5.3.2 仿真分析
    5.4 小結
6 總結與展望
    6.1 研究工作總結
    6.2 后續(xù)工作
    6.3 展望
致謝
個人簡歷、在學期間發(fā)表的學術論文及取得的研究成果
參考文獻



本文編號：3775403