13795.基于分段線性表示和支持向量機拐點預測的改進研究

1、廈門大學學位論文原創(chuàng)性聲明本人呈交的學位論文是本人在導師指導下，獨立完成的研究成果。本人在論文寫作中參考其他個人或集體已經(jīng)發(fā)表的研究成果，均在文中以適當方式明確標明，并符合法律規(guī)范和《廈門大學研究生學術活動規(guī)范(試行)》。另外，該學位論文為()課題(組)的研究成果，獲得()課題(組)經(jīng)費或實驗室的資助，在()實驗室完成。(請在以上括號內填寫課題或課題組負責人或實驗室名稱，未有此項聲明內容的，可以不作特別聲明。)聲明人(簽名)：礎歲年彥月

2、知日銘莎影摘要摘要股市預測，作為經(jīng)濟預測的一個分支，一直是學術界的研究熱點。近年來，一種結合分段線性表示(PLR)和加權支持向量機(WSvM)的方法(PLR—WSVM)被提出來預測證券的拐點，并取得了有益的成果。然而，該方法也存在一些不足的地方，例如，交易次數(shù)較少，投資周期長；采用PLR劃分普通點和拐點的時候，它的參數(shù)設定由專家經(jīng)驗來決定，且對于不同趨勢的股價預測都采用同一個參數(shù)。為了克服這些缺點，本文對PLR—WSⅧ預測股價拐點的方法

3、進行了改進，主要表現(xiàn)為：(1)將原帶權重的四分類問題簡化為帶權重的兩分類問題，既避免了樣本類間權重系數(shù)的選取，又提高了模型的分類準確率和交易準確率。(2)根據(jù)拐點當天股價與其前五天均價的比較判斷給出交易信號，改善了完全由機器學習預測拐點作為交易信號的模式。(3)提出了在拐點滯后一天進行實際交易操作的策略，進一步提高交易準確率，并提高了模型收益性能。(4)提出一種PLR閾值參數(shù)選取的算法，根據(jù)股價的波動自適應選擇合適的閾值，改進了原來模型