基于機器學習方法的股票數據研究.pdf

1、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據變化對廣大的投資者來說有很重要的意義。
　　 從事股票數據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；

2、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據。
　　 本文對股票預測研究現狀、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“維數災難”和“過學習”等現象。
　　 具體的來說，本文完成的工作主要有以下幾點：<

3、br>　　 一、將支持向量機與混沌時間序列結合起來建立預測模型。根據相空間重構的方法將現有的數據變換成混沌時間序列，然后將時間序列數據劃分成訓練數據和測試數據，從而建立支持向量機的預測模型。
　　 二、在最優(yōu)參數的搜索方面主要應用了遺傳算法。支持向量機的參數選取方法直接影響著預測模型的性能。遺傳算法的在解決非線性問題和多維空間尋優(yōu)問題上效果卓著，文中應用遺傳算法搜索得到的參數能夠取得較好的預測效果。
　　 三、采用小波