一種特征自適應(yīng)賦權(quán)的SVM股票趨勢(shì)預(yù)測(cè)模型.pdf

1、隨著我國(guó)證券市場(chǎng)的不斷發(fā)展和完善，股票市場(chǎng)作為我國(guó)經(jīng)濟(jì)“晴雨表”的功能也越來越突出，無論是個(gè)人投資者還是國(guó)家都十分關(guān)注股票市場(chǎng)的走勢(shì)。若能較為準(zhǔn)確的預(yù)測(cè)股票市場(chǎng)的漲跌趨勢(shì)，不僅可以為廣大投資者提供投資決策的依據(jù)，也能夠?yàn)閲?guó)家制定相關(guān)經(jīng)濟(jì)政策提供參考。
　　股票市場(chǎng)具有非線性、高噪聲、數(shù)據(jù)量大等特征，相關(guān)的股票分析方法，如基本面分析法、技術(shù)面分析法、時(shí)間序列分析法等，各有特色，但難以適應(yīng)日趨復(fù)雜的股市。研究表明，股票趨勢(shì)預(yù)測(cè)的精度主

2、要受數(shù)據(jù)質(zhì)量和算法性能兩方面影響。因此，本文提出了一種特征自適應(yīng)賦權(quán)的SVM股票趨勢(shì)預(yù)測(cè)模型，設(shè)計(jì)了基于遺傳算法(Genetic Algorithm，GA)特征自適應(yīng)賦權(quán)算法和基于粒子群算法(Particle Swarm Optimization，PSO)的SVM參數(shù)優(yōu)化算法，選定了14個(gè)關(guān)鍵的股票財(cái)務(wù)指標(biāo)，最終實(shí)現(xiàn)了股票漲跌趨勢(shì)預(yù)測(cè)模型。在實(shí)際股票數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，本文提出的股票趨勢(shì)預(yù)測(cè)模型是可行的和有效的，其性能優(yōu)于決策樹模型

3、、KNN模型、Bayes模型和BP神經(jīng)網(wǎng)絡(luò)模型。
　　本文主要工作如下:
　　(1)針對(duì)股票數(shù)據(jù)特征，提出了一種基于遺傳算法特征自適應(yīng)賦權(quán)和粒子群算法優(yōu)化SVM參數(shù)的股票趨勢(shì)預(yù)測(cè)模型，即PSO-GA-SVM模型。
　　(2)在輸入數(shù)據(jù)質(zhì)量改善方面，利用遺傳算法對(duì)股票數(shù)據(jù)特征自適應(yīng)賦權(quán)，以突出重要屬性，抑制冗余或次要屬性，進(jìn)一步展現(xiàn)不同屬性對(duì)股票價(jià)格的影響程度。
　　(3)在算法性能提升方面，因?yàn)镾VM的性能對(duì)其參