基于ARIMA-SVM组合模型的创业板股票价格预测分析

发布时间：2021-11-14 14:38

　　为解决复杂时间序列棘手的预测问题,在综合了解其线性和非线性复合特征的基础上,提出了基于ARIMA和SVM相结合的时间序列预测模型。本文先用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到两种模型的综合预估结果。文章的数据来源于"华泰证券"为期一年的250期股票收盘价,分析结果说明:ARIMA-SVM组合模型的精度比单一模型的预测精度要高,组合模型对于短期动态、静态预测成效较高,有利于投资者和企业做出更加科学可行的决策。 

【文章来源】：广西质量监督导报. 2019,(12)

【文章页数】：2 页

【文章目录】：
一、引言
二、基本模型
    (一)股票定价理论
    (二)ARIMA模型
三、ARIMA-SVM组合模型
四、实证分析
    (一)ARIMA预侧
    (二)非线性SVM预测
五、结论


【参考文献】：
期刊论文
[1]基于SVM及股价趋势的股票预测方法研究[J]. 邬春学,赖靖文.  软件导刊. 2018(04)
[2]基于LM遗传神经网络的短期股价预测[J]. 郭建峰,李玉,安东.  计算机技术与发展. 2017(01)



本文编号：3494816