基于支持向量机的证券投资决策研究

发布时间：2020-03-28 20:55

【摘要】：技术分析是证券投资中最常用的分析方法之一,受到众多投资者,包括机构投资者的追捧和青睐。本次研究通过对一些技术分析方法原理的分析,用一种机器学习的方法——支持向量机(SVM)来学习技术分析的过程,从而得到一种证券投资的方法,并用实证来检验这种投资方法的效果。 全文共分四章。 第一章——技术分析理论简介。介绍证券投资分析的中常用的技术分析理论及其基本理论假设,还介绍了几种常用的工具指标。通过对这些工具指标的分析,得出技术分析方法的基本原理。 第二章——支持向量机方法介绍。概括地介绍了机器学习理论。重点介绍了其中统计学习学派中的支持向量机方法。 第三章——基于支持向量机的证券投资决策。以机器学习理论为依据,通过支持向量机方法对技术分析的学习(建立模型),用实际的股市数据来预测股价的下一步走势,并用实际数据来检验这种投资方法的效果。 第四章——支持向量机投资决策方法的总结和评价。对这种方法的实际效果进行评价,分析其中的不足,并浅析可能的一些原因。提出可以进一步改进的方案。 论文做了如下创新性研究工作: 1、采用来源于统计学习理论的支持向量机方法来预测股价的走势。 2、用机器学习的方法模拟技术分析的过程,为技术分析方法找到一些理论依据。 3、根据历史数据建立了支持向量机模型,可以直接应用于实际证券投资操作。
【图文】：

上上证180指数12周涨幅幅4.88%%%一7.54%%%一5.17%%%一2.0%%%9SSSMV所选股票只数数7771555000000用图表表示可能更清楚一些，如图3一3所示:图3一3SVM模型严格选出的股票季度涨幅与上证指数的比较
【学位授予单位】：武汉大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：F830.91

【引证文献】

相关期刊论文 前1条

1 张益铭;徐晓钟;王智庆;;支持向量机与时间序列预测综述[J];计算机应用与软件;2010年12期

相关硕士学位论文 前2条

1 赵欣;基于支持向量机的中国证券市场长期投资分析[D];北京交通大学;2011年

2 郑艳清;粒子群优化的支持向量机在股票预测中的研究与应用[D];广东工业大学;2012年

，

本文编号：2604908