基于支持向量回归机的股价预测研究

发布时间：2020-09-07 11:41

　　随着经济社会的发展,以及人们投资意识的增强,人们越来越多的参与到股票市场的经济活动中,股票投资也已经成为人们生活的一个重要组成部分。但是股票市场的高回报伴随着的是高风险,因此对于股票市场的预测研究具有极为重要的经济意义。然而在股票市场中,首先面对的是众多的指标、众多的信息,很难找出对股价更为关键的因素;其次股市结构极为复杂,影响因素具有多样性、相关性。这导致了很难找出股市内在的模式。现有的分析预测方法在预测应用中往往效果并不是很理想。支持向量机是一种新兴的技术,借助于最优化理论、对偶理论等,采用结构风险最小化、核函数等方法来解决分类问题,有着较好的分类、回归和泛化性能。支持向量回归机就是在支持向量机的基础上产生的,专门用于处理回归问题的方法。近年来一些学者将其运用与股市预测并取得较好的预测效果。本文从更好的结合股票市场的特点以及更充分的更合理的利用信息的角度出发,建立了基于支持向量回归机的预测模型,并以中国联通(600050)和新五丰(600975)数据为例进行了预测验证。本文分析对比了现有股市预测方法,提出采用基于支持向量回归机的方法进行预测。为了更充分更合理的利用信息,在尽可能全面的收集股市信息的基础上,利用相关系数来进行线性相关分析,接着并利用散点图进行简单的非线性相关分析,然后进行灵敏度分析,去除各个相关性较少的因素,以达到找到关键信息的目的;同时在数据处理上,采用主成分分析的方法来约减数据,去除各个因素之间的相关性和多重共线性。为了更好的结合股票市场的特点,在样本选择上采用自组织特征映射神经网络聚类的方法来扩大那些非频繁模式的影响,弱化长期趋势的影响,更符合了股票市场多变性、动态性的特点。最后以中国联通和新五丰两个股票为例,分别进行三组实验。第一次实验以原始变量为基础进行的基于支持向量回归机的预测;第二次实验是对影响因素进行相关分析分析后,并采用主成分分析处理数据,然后进行的预测;第三次实验预测是对样本进行聚类后的数据进行预测。实验结果表明第三次的预测精度最高,而第一次的精度最差,表明达到了改进预测精度的目的。通过实验表明支持向量回归机能够较好的预测股价,而通过变量优化的关键影响变量的选择也较好的提高了信息的利用,同时基于自组织特征映射神经网络的聚类也较好改善了长期趋势模式的影响弱化非频繁模式的影响的缺陷,最后的预测结果也有了明显的改善。
【学位单位】：杭州电子科技大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F224;F832.51
【部分图文】：

VC维,线性分类器,函数集,学习机

2R 中的 3 个点，可以被不同方向的直线所打散由图3.2可得到2维空间中线性分类器的VC维是3，并且可以推广到d 维空间线性分类器的VC维是 d + 1。如果对这些线性判别函数加以限制，则可以使其VC维降低。VC维反映了函数集的学习能力，VC维越大，学习机器越复杂。但是目前并没有通用的关于任意函数集VC维计算的理论，只对一些特殊的函数集知道其VC维，如上述的2维线性分类器。对于一些比较复杂的学习机器（如神经网络），其VC维除了与函数集有关外

支持向量回归

其实也就是对于非线性预测问题的，利用支持向量机或支持向量回归机对股市每个国家的股市机制不一样，完善程度、市市表现出来的规律模式也不一致，因而在预归机的股市预测流程坚实的理论基础，同时还给出了推广能力的了回归问题，同时采用了最优化理论，使得性映射减少了复杂度，其最终决策取决于少数无关，这在一定程度上避免了维数灾难。进行股价预测主要是采用技术指标分析方法通过历史数据进行训练，得出模型，并用模如下图 4.1。

支持向量回归,预测模型

图 4.2 支持向量回归机预测模型存在大盘股和中小盘股，大盘股基本能反映整体市场趋势，中小盘股虽然也受市场整体趋势的影响，但其自身的影响有着或整体实力相对较小，有时就会显得对市场反应非常敏感。(600050)和中小盘股新五丰(600975)分别进行实验预测。中国价变化基本与市场的整体趋势相一致，因而用其做预测验证的股票的适用情况；而新五丰是个随机抽取的中小盘股，其对其预测验证可以显示该模型对股市中那些中小盘股是否也可的验证预测，既有可以反应整体趋势的大盘股，也有个体因显示出该模型对股市的大部分股票的预测程度。由于对宏观度，为了减少模型的复杂性以及考虑数据的可得性，本文不用技术指标的角度来进行分析。为了尽可能的收集信息全面们选取了大量的数据指标作为原始数据，主要使用以下几个

【相似文献】