支持向量回归机在股票价格预测中的分析与应用

发布时间：2021-05-17 07:06

　　股票投资已经成为人们日常生活的一个重要组成部分，预测股票价格也一直是人们关心的问题。股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术很难揭示其内在的规律。为了更好的对股票市场的价格规律进行分析，本文在支持向量机理论的基础上推导新的方法来适合股票价格预测的应用。支持向量机采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维数灾难”，克服了传统神经网络收敛速度慢，存在局部极小值等缺点，具有较好的泛化能力。本文基于此方法开发了一个支持向量回归机原型系统。本文将这个系统应用于股票价格的预测，预测效果基本令人满意。本文还另外讨论了核函数及其参数对预测结果的影响。因此基于支持向量机的股票价格预测模型对股票价格研究有着重要的参考价值。 

【文章来源】：暨南大学广东省 211工程院校

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
    1.1 课题的应用背景
    1.2 股市预测的发展概况
    1.3 支持向量机简介
    1.4 本文结构安排和研究内容
        1.4.1 本文的结构安排
        1.4.2 本文研究内容
第二章 股票市场基本知识
    2.1 我国股票市场的发展
    2.2 进行股票投资分析的必要性
    2.3 股票市场的研究方法
        2.3.1 基本分析法
        2.3.2 技术分析法
        2.3.3 数量分析方法
    2.4 股票常用术语
    2.5 本章小结
第三章 支持向量机理论概述
    3.1 统计学习理论概要
        3.1.1 引言
        3.1.2 机器学习的基本问题
        3.1.3 统计学习理论的核心问题
    3.2 支持向量机分类
        3.2.1 线性 SVM
        3.2.2 非线性SVM
    3.3 核函数特征空间
        3.3.1 核函数的性质
        3.3.2 常用核函数
    3.4 支持向量机回归
        3.4.1 回归分析的问题表述
        3.4.2 ε-不敏感函数
    3.5 最优回归超平面与SVM线性回归
        3.5.1 最优回归超平面
        3.5.2 SVM线性回归
        3.5.3 求解最优回归超平面
        3.5.4 SVM回归方法的特点
    3.6 本章小结
第四章 支持向量回归机原型系统的实现
    4.1 系统的整体设计
    4.2 支持向量回归机模型
        4.2.1 SVM非线性回归
        4.2.2 支持向量机回归算法
    4.3 支持向量回归机模型的实现
        4.3.1 LibSVM工具包介绍
        4.3.2 模型相关生成文件
        4.3.3 主要模块设计说明
        4.3.4 系统的操作界面示例
    4.4 本章小节
第五章 支持向量回归机在股票价格预测中的应用
    5.1 用支持向量回归机进行股票价格预测的步骤
    5.2 数据选取及来源
    5.3 预测参数的选取
    5.4 数据预处理
        5.4.1 数据预处理方法
        5.4.2 数据规范化处理
    5.5 股票价格预测
        5.5.1 支持向量回归机的参数选择
        5.5.2 实验和结果分析
    5.6 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 下一步的工作和思考
参考文献
致谢



本文编号：3191326