支持向量機在證券投資分析中的應用.pdf

1、支持向量機是借助于最優(yōu)化方法解決機器學習問題的新工具，它最初于二十世紀九十年代由Vapnik提出，近年來在其理論研究和算法實現(xiàn)方面都取得了突破性進展，開始成為克服“維數(shù)災難”和“過學習”的有力手段。本文首先將證券投資分析轉(zhuǎn)化成一個學習問題，然后應用支持向量機學習證券的市場行為，得出一個分類模式(或稱決策函數(shù))，此分類模式類似于技術分析中的經(jīng)驗法則，可輔助做出買賣信號。本文所做的主要工作有： 一. 介紹我國證券市場中常用的幾種技術

2、指標，并根據(jù)技術指標的使用法則，做一些統(tǒng)計上的驗證。統(tǒng)計結果表明技術指標的使用法則的確有一定的預測能力。 二. 將支持向量機算法用matlab程序?qū)崿F(xiàn)。 三. 建立預測股價漲跌的支持向量機分類模型，并分別對個股和指數(shù)數(shù)據(jù)進行了實證檢驗，結果表明對個股的漲跌預測有較大的不確定性，對指數(shù)的漲跌預測能達到60％的準確率。 四. 建立通過財務指標篩選股票的支持向量機分類模型，并對上交所1999-2005年的所有上市公司作

3、為樣本進行實證研究，結果表明挑選出的股票其平均每股收益遠遠超過了上市公司平均每股收益。 本文的創(chuàng)新之處是：基于支持向量機建立了兩個用于證券投資分析的模型：預測股價漲跌模型和篩選股票模型。前者認為技術指標是行之有效的指導證券投資分析的方法，未來股價走勢一定程度上能在技術指標中反映出來，將技術指標值作為輸入向量，通過支持向量機算法得到一個決策函數(shù)，可輸出有關股價未來走勢的預測；后者認為上市公司本年度財務結構會影響下一年的收益水平，將