本文關(guān)鍵詞：基于PCA-FOA-SVR的股票價(jià)格預(yù)測(cè)研究

  更多相關(guān)文章： 主成分分析 支持向量回歸機(jī) 果蠅優(yōu)化算法 股票價(jià)格預(yù)測(cè)

【摘要】：研究股票價(jià)格預(yù)測(cè)問(wèn)題,針對(duì)影響股票價(jià)格因素多存在數(shù)據(jù)冗余,傳統(tǒng)方法無(wú)法消除數(shù)據(jù)冗余,準(zhǔn)確穩(wěn)定預(yù)測(cè)股價(jià)非線性變化.為提高預(yù)測(cè)精度,在傳統(tǒng)的支持向量機(jī)回歸(Support vector regression,SVR)方法的基礎(chǔ)上引入主成分分析(Principal component analysis,PCA)和果蠅算法(Fruit fly optimization algorithm,FOA),提出了一種PCA-FOA-SVR的股票價(jià)格預(yù)測(cè)方法.首先利用PCA對(duì)影響股票價(jià)格的因素進(jìn)行分析降維,消除冗余信息,然后用果蠅算法優(yōu)化SVR的參數(shù),利用優(yōu)化后的SVR對(duì)非線性變化的股票價(jià)格建模預(yù)測(cè).最后利用PCA-FOA-SVR模型對(duì)寧滬高速(600377)股票價(jià)格數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明:與傳統(tǒng)的BP和SVR相比,PCA-FOASVR模型在股票價(jià)格預(yù)測(cè)中進(jìn)一步減小了預(yù)測(cè)誤差,有更高的預(yù)測(cè)精度,是一種有效可行的股票價(jià)格預(yù)測(cè)方法.
【作者單位】： 浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【關(guān)鍵詞】： 主成分分析 支持向量回歸機(jī) 果蠅優(yōu)化算法 股票價(jià)格預(yù)測(cè)
【基金】：國(guó)家自然科學(xué)專項(xiàng)基金項(xiàng)目(61340058) 浙江省自然科學(xué)基金重點(diǎn)項(xiàng)目(LZ14F020001)
【分類號(hào)】：F830.91;TP18
【正文快照】： 股票市場(chǎng)價(jià)格是反映經(jīng)濟(jì)動(dòng)向的晴雨表,對(duì)股票價(jià)格的準(zhǔn)確預(yù)測(cè)可以引導(dǎo)市場(chǎng)平穩(wěn)運(yùn)行,降低風(fēng)險(xiǎn),也可以使投資者最大限度地規(guī)避風(fēng)險(xiǎn),做出正確的投資策略,獲得最大收益.由于受到政治、經(jīng)濟(jì)和社會(huì)等各種因素的綜合影響,股票價(jià)格波動(dòng)大,變化異常復(fù)雜,因此準(zhǔn)確把握股票價(jià)格的運(yùn)行態(tài)勢(shì)

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 施航;馬琳達(dá);;人工神經(jīng)網(wǎng)絡(luò)在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J];電腦開發(fā)與應(yīng)用;2007年09期

2 王晴;;組合模型在股票價(jià)格預(yù)測(cè)中應(yīng)用研究[J];計(jì)算機(jī)仿真;2010年12期

3 劉小蘭;;改進(jìn)支持向量機(jī)的股票價(jià)格預(yù)測(cè)研究[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2012年09期

4 李忍?hào)|;饒佳藝;嚴(yán)亞寧;;基于智能計(jì)算的股票價(jià)格預(yù)測(cè)[J];科技通報(bào);2013年04期

5 徐維維;高風(fēng);;灰色算法在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)仿真;2007年11期

6 朱嘉瑜;葉海燕;高鷹;;基于隱馬爾可夫模型的股票價(jià)格預(yù)測(cè)組合模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2009年21期

7 王玲;;最優(yōu)組合模型在證券市場(chǎng)預(yù)測(cè)中的應(yīng)用研究[J];計(jì)算機(jī)仿真;2012年01期

8 王煜坤;張yN;;屬性聚類網(wǎng)絡(luò)在股票價(jià)格預(yù)測(cè)中的應(yīng)用[J];電腦知識(shí)與技術(shù);2009年18期

9 楊震;;基于后效時(shí)間長(zhǎng)度的股票價(jià)格預(yù)測(cè)[J];計(jì)算機(jī)仿真;2012年02期

10 江龍;薛佳佳;;基于差值灰色RBF網(wǎng)絡(luò)模型股票價(jià)格預(yù)測(cè)研究[J];廣西大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 于志軍;楊善林;;基于誤差校正的GARCH股票價(jià)格預(yù)測(cè)模型[A];“兩型社會(huì)”建設(shè)與管理創(chuàng)新——第十五屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集（上）[C];2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 黃冉;基于隱馬爾科夫模型（HMM）的股票價(jià)格預(yù)測(cè)分析[D];青島大學(xué);2015年

2 程隆昌;灰色GM(1,2)模型在股票價(jià)格預(yù)測(cè)中的應(yīng)用[D];天津財(cái)經(jīng)大學(xué);2015年

3 沈志剛;支持向量回歸機(jī)在股票價(jià)格預(yù)測(cè)中的分析與應(yīng)用[D];暨南大學(xué);2007年

4 呂欣;基于神經(jīng)網(wǎng)絡(luò)股票價(jià)格預(yù)測(cè)模型及系統(tǒng)的研究[D];吉林大學(xué);2010年

5 高立剛;支持向量機(jī)及其在股票價(jià)格預(yù)測(cè)方面的應(yīng)用[D];北京工業(yè)大學(xué);2006年

6 胡藝博;基于小波—粒子濾波算法的股票價(jià)格預(yù)測(cè)研究[D];吉林大學(xué);2008年

7 陳麗瓊;函數(shù)型數(shù)據(jù)分析方法在股票價(jià)格預(yù)測(cè)上的應(yīng)用[D];廈門大學(xué);2014年

8 唐廣宇;股票價(jià)格預(yù)測(cè)的時(shí)間序列組合模型方法[D];湘潭大學(xué);2013年

9 張克宜;基于改進(jìn)GM（1，N）和優(yōu)化SVM組合模型的股票價(jià)格預(yù)測(cè)[D];哈爾濱工業(yè)大學(xué);2013年

10 姜愛宇;部分線性模型在股票價(jià)格預(yù)測(cè)中的應(yīng)用研究[D];遼寧師范大學(xué);2012年

，

本文編號(hào)：587703