支持向量机对股市的预测及实证分析

发布时间：2021-10-09 06:26

　　伴随经济的发展和人们投资意识的转变，股票越来越成为社会公众关注的焦点，股票投资已经成为现代人生活中一个非常重要的组成部分。但是股票投资收益的同时，也伴随着相当的风险，即投资越高，则可能要承担的风险也越大。因此，对于股市预测方法的研究不但具有深刻的理论意义更具有极其重要的应用价值。但是股市系统内部结构的复杂性及其外部影响因素的多变性决定了对于股票市场预测的艰巨性，现有的分析预测方法应用效果并不理想。同时，经过多年的发展，股市已经积累了很多数据信息，如何从这些数据中寻求到有价值的信息，将其应用于投资决策中便成为了股市预测的焦点。支持向量机是数据挖掘中的一项新技术，是借助于最优化方法解决机器学习问题的新工具。特别是近年来支持向量机在回归算法的研究方面也表现了极好的性能，但是将其应用到股市预测中却并不多。本文在分析了现行股价预测的基础上，提出了利用支持向量机对于股市预测的应用。基于支持向量机用于时间序列预测的理论基础，给出了基于时间序列的支持向量机预测模型。并且选取上证180指数及青啤股价作为训练预测数据，在对核函数及其参数的适当选择情况下，对于支持向量机的股市预测进行了实证检验。结果表明，支... 

【文章来源】：青岛大学山东省

【文章页数】：44 页

【学位级别】：硕士

【部分图文】：

直观图比较

111234567891000图5.2直观图比较固定C=10，对于￡取不同值时的结果，表5.4和图5.3分别以数字和图表的形式给以说明。表5.4￡取不同值时的结果￡￡取值值 0.1110.2220.01110.02220.0333ooo取值 值 0.0353330.2097770.0013330.0023330.002777’’启衬吮乡扮 扮奋奋七亡或补七丫 丫一 一 ;;;一一布‘‘‘妇.目一---一一— — ----一，“一一书~一翎 翎...‘一-.卜一甲.卜~竹州.一，，.下--二，，一___、 、一.一，务币一万 万...1}一fl一;，!丫 rrr图5.3直观图比较由上述两表中可以看出E取值的轻微变化都会导致预测结果大幅度的改变。由此可见对于核函数参数c和E的选取对于模型的建立，预测结果的影响至关重要。在大样本情况下，当 E=0.01

e=10时作L匕较，取￡=0.02，c=10时，均方差值为0.0014，与大样本均方差值为0.0023。效果图见图5.4一一二扩礴厅 ---~小样本一。一大样本真实值图5.4大效样本比较结果5.3结果分析由以上在大样本情况下关于各参数的比较及与小样本情况下的比较可以看出:c的选取并不是越大或者越小就好，它的取值要根据样本容量而定。过大或过小都不适宜，有可能造成过学习或学习不足的问题。E的选取完全靠经验和不停的尝试来确定。同时通过对小样本的分析，在￡也取0.02的情况下，均方差为0.0014远优于在大样本情况下的0.0023。这说明传统上认为的“原始样本越多估计效果越好”在支持向量机中并不一定适用，这也从一方面表明了支持向量机对于小样本具有较强的学习推广能力。虽然预测值与真实值之间存在着一定的误差，但通过选择合适的核函数线性核函数以及相应的参数C=10，￡二0.01

【参考文献】：
期刊论文
[1]支持向量机的时间序列回归与预测[J]. 董辉,傅鹤林,冷伍明.  系统仿真学报. 2006(07)
[2]论混沌经济的演进与发展[J]. 张梅,萧其尹.  商业时代. 2005(14)
[3]基于SVR算法的短期负荷快速预测研究[J]. 王李东,李志宇,文劲宇.  继电器. 2005(09)
[4]基于数据域描述的模糊支持向量回归[J]. 张英,苏宏业,褚健.  信息与控制. 2005(01)
[5]基于SVM的特征加权KNN算法[J]. 陈振洲,李磊,姚正安.  中山大学学报(自然科学版). 2005(01)
[6]鲁棒r-支持向量回归机中参数r的选择研究[J]. 朱嘉钢,王士同,杨静宇.  控制与决策. 2004(12)
[7]一种快速支持向量机分类算法[J]. 刘华富.  长沙大学学报. 2004(04)
[8]模糊线性支持向量回归机[J]. 杨志民,邓乃扬.  计算机工程与应用. 2004(36)
[9]一种新的支持向量机增量学习算法[J]. 滕月阳,唐焕文,张海霞.  计算机工程与应用. 2004(36)
[10]基于核聚类方法的多层次支持向量机分类树[J]. 张国宣,孔锐,施泽生,郭立,刘士建,薛明东.  控制与决策. 2004(11)

硕士论文
[1]支持向量机模型和算法研究[D]. 姜翠萍.大连理工大学 2006



本文编号：3425818