基于改進(jìn)支持向量回歸機(jī)的股價(jià)預(yù)測研究.pdf

1、如今人們對股票交易的興趣日益見長，希望通過對股市各種信息的綜合分析來幫助指導(dǎo)股票交易，以獲得高額利潤。然而股票價(jià)格受到多方面因素的影響，具有非線性，時(shí)變性和高度不穩(wěn)定性等特點(diǎn)，導(dǎo)致股票價(jià)格非常難以預(yù)測。傳統(tǒng)的時(shí)間序列預(yù)測法不能提取股票數(shù)據(jù)的非線性特征，神經(jīng)網(wǎng)絡(luò)算法又容易陷入局部極小，易造成過擬合，且股票數(shù)據(jù)含有大量噪聲和冗余信息，導(dǎo)致預(yù)測精度不高。
　　針對以上問題，本文引入流形學(xué)習(xí)中的線性局部切空間排列算法，應(yīng)用改進(jìn)的支持向量回

2、歸機(jī)來預(yù)測股票價(jià)格，主要研究工作是：
　?、倏偨Y(jié)分析股票價(jià)格預(yù)測領(lǐng)域的國內(nèi)外研究現(xiàn)狀，指出現(xiàn)有方法存在的各種不足和缺陷。
　?、跉w納股票價(jià)格預(yù)測的相關(guān)知識和基本原理，并簡要介紹了股票價(jià)格預(yù)測模型用到的支持向量回歸機(jī)的算法理論。
　　③在股票價(jià)格預(yù)測領(lǐng)域第一次引入流形學(xué)習(xí)中的線性局部切空間排列算法，將股票數(shù)據(jù)看成一個非線性流形，提取其中隱藏的模式，并同時(shí)降低數(shù)據(jù)噪聲，去除冗余信息，最終使得提取到的特征更加具有區(qū)分度和代表

3、性，從而提高預(yù)測精度。
　?、芙Y(jié)合線性局部切空間排列算法，提出了一種新的支持向量回歸機(jī)的股價(jià)預(yù)測優(yōu)化模型。該模型首先利用線性局部切空間排列算法對股票原始數(shù)據(jù)進(jìn)行特征提取，然后采用具有全局最優(yōu)解的支持向量回歸機(jī)對提取到的特征和股票價(jià)格之間的非線性關(guān)系建模，并利用遺傳算法優(yōu)化支持向量回歸機(jī)的參數(shù)，最終提高股票價(jià)格的預(yù)測精度。
　?、萃ㄟ^大量的實(shí)驗(yàn)對本文提出模型的適應(yīng)性和推廣能力進(jìn)行了驗(yàn)證。實(shí)驗(yàn)選取了不同國家、不同種類和不同時(shí)間段