基于支持向量机的股价短期预测研究

发布时间：2024-07-02 03:22

　　股票市场是一个复杂的非线性动态系统,为了保证股票投资者的利益,通过预测股市波动的情况来把握股票市场的发展规律以降低股票的投资风险显得很有必要。国内外很多研究者通过研究,建立了一些有效的证券价格预测模型。时间序列模型、ANN模型、GA模型等根据自身的特点,从不同角度解决了证券价格预测各方面问题,其预测结果有一定的理论和现实意义。然而这些方法都有其各自的局限性,它们在预测过程中容易出现的过学习、欠学习、局部极小值和维数灾难等问题。SVM模型能够较好地解决这些问题,被广泛的应用到证券预测领域得,并取得了很好的成果。 首先,介绍了股市的相关背景知识以及现有的股市预测的方法,指出各个预测方法的不足之处。然后简单的介绍了统计学习理论相关知识,最后具体描述了支持向量机算法的相关理论知识。 其次,将支持向量机方法用于股市预测,提出了支持向量机方法进行股市预测的基本流程。试验过程把上海综合指数作为研究对象,以基础指标作为输入变量,根据不同时期的收盘价和成交量设计9组方案。通过9组对比试验,将试验结果指标化,找出精度最高的方案。最后确定收盘价和成交量在股价预测中的时间有效性。 然后,设计支持向量机预测模型...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 股价预测方法研究现状
        1.2.1 证券投资分析
        1.2.2 时间序列分析
        1.2.3 人工神经网络方法
        1.2.4 支持向量机方法
    1.3 SVM 研究现状
        1.3.1 SVM 的算法
        1.3.2 SVM 模型选择的研究
        1.3.3 基于支持向量机组合预测模型
        1.3.4 SVM 的应用研究
    1.4 本文主要工作和基本结构
第2章 统计学习理论与支持向量机算法
    2.1 引言
    2.2 统计学习理论
        2.2.1 学习过程的一致性条件
        2.2.2 VC 维理论
        2.2.3 推广性的界
        2.2.4 结构风险最小化
    2.3 支持向量机理论
        2.3.1 线性可分
        2.3.2 非线性可分
        2.3.3 SVM 的推广性
        2.3.4 SVM 常用核函数
    2.4 本章小结
第3章 基于基础指标的SVM 股价预测
    3.1 引言
    3.2 SVM 回归的数学原理与预测流程设计
        3.2.1 SVM 回归的数学原理
        3.2.2 SVM 预测流程设计
    3.3 支持向量机分析预测工具LibSVM
    3.4 上证综值回归分析
    3.5 预测结果对比与分析
    3.6 本章小结
第4章 基于技术指标的SVM 股价预测
    4.1 引言
    4.2 基于技术指标的SVM 模型设计
        4.2.1 确定输入向量
        4.2.2 数据预处理
        4.2.3 确定核函数、参数
    4.3 预测结果分析
    4.4 本章小结
第5章 总结与展望
    5.1 全文研究总结
    5.2 未来研究工作展望
致谢
参考文献
附录1
附录2
附录3



本文编号：3999608