

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、上海師范大學學位論文原創(chuàng)性聲明上海師范大學學位論文原創(chuàng)性聲明本人鄭重聲明:我恪守學術道德,崇尚嚴謹學風。所呈交的學位論文,是本人在導師的指導下,獨立進行研究工作所取得的成果。除文中己明確注明和引用的內(nèi)容外,本論文不包含任何其他個人或集體己經(jīng)發(fā)表或撰寫過的作品及成果的內(nèi)容。論文為本人親自撰寫,我對所寫的內(nèi)容負責,并完全意識到本聲明的法律結果由本人承擔。論文作者簽名:糊撕≯竹年鄉(xiāng)月叫El上海師范大學學位論文中文摘要摘要股票市場是極其復雜的非
2、線性動力學系統(tǒng),由于諸多因素影響其中,使得其價格波動的預測異常困難。國內(nèi)外對于股票價格波動預測的模型有很多種,依據(jù)預測方法出現(xiàn)的先后大體可以分成三個階段,第一個是結構計量模型階段,第二個是時間序列分析階段,第三個是智能預測階段。由于股票的非線性,傳統(tǒng)的結構計量模型和時間序列很難進行預測。所以,本文采用智能預測的方法。神經(jīng)網(wǎng)絡模型是智能預測的主要代表,它不需要建立所要研究的問題的精確邏輯和數(shù)學模型,而是模仿人腦的思維方式構造神經(jīng)網(wǎng)絡算法,
3、只要直接輸入數(shù)據(jù)就可以得到結果,但是神經(jīng)網(wǎng)絡的缺點是容易過擬合和得到局部最優(yōu)解。本文將主成分分析和s一支持向量回歸機模型結合運用于滬深300指數(shù)的預測當中,可以很好的克服神經(jīng)網(wǎng)絡的缺點。本文首先介紹了主成分分析理論和支持向量機理論,通過占一不敏感損失函數(shù)的引入,構建了基于主成分分析和占一支持向量回歸機股市預測模型。然后分析影響股市的諸多因素,并選取滬深300指數(shù)一段時間內(nèi)的真實數(shù)據(jù),進行完主成分分析前期數(shù)據(jù)處理之后,運行LIBSVM軟件
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機器學習的滬深300指數(shù)走勢預測研究.pdf
- 廣發(fā)滬深300指數(shù)
- 基于小波變換和支持向量機的非平穩(wěn)時間序列預測——以滬深300指數(shù)為例.pdf
- 滬深300指數(shù)效應.pdf
- 基于GSA-SVR方法的滬深300指數(shù)預測研究.pdf
- 滬深300指數(shù)的VaR研究.pdf
- 滬深300指數(shù)策略觀點
- 基于滬深300指數(shù)的波動率預測模型的實證研究.pdf
- 基于GARCH模型對我國滬深300指數(shù)的模擬預測研究.pdf
- 滬深300指數(shù)羊群行為研究.pdf
- 滬深300指數(shù)產(chǎn)品VaR研究.pdf
- 滬深300指數(shù)與滬深300股指期貨的價格關系研究.pdf
- 滬深300指數(shù)效應的實證研究.pdf
- 投資滬深300指數(shù)期貨的研究.pdf
- 基于ARIMA模型的滬深300指數(shù)預測及期現(xiàn)套利的研究.pdf
- 滬深300指數(shù)基金績效實證研究.pdf
- 滬深300指數(shù)效應存在性研究.pdf
- 滬深300指數(shù)的風險度量模型研究.pdf
- 滬深300股指期貨與滬深300指數(shù)動態(tài)調整的門限效應研究.pdf
- 滬深300股指期貨與滬深300指數(shù)基金的套期保值研究.pdf
評論
0/150
提交評論