基于改进GA优化参数的SVR股价预测研究

发布时间：2017-07-27 07:02

  本文关键词：基于改进GA优化参数的SVR股价预测研究

  更多相关文章： 小波去噪 遗传算法 支持向量机回归 股价预测

【摘要】：股票价格是一个非静态的多变的体系,有很多因素可以对股票价格产生影响,这使得价格的动态变化更加的复杂。因此,如何有效地预测股票的价格,最大程度地规避股市风险,获得丰厚的效益,成为当今国内外学者研究的方向。针对股票价格的动态性及非线性等特点,提出了基于改进遗传算法(Genetic Algorithm, GA)优化的支持向量回归机(S upport Vector Regression, SV R)股价预测模型。首先,将选取的股票价格样本进行小波去噪处理,消除股票价格时间序列的噪声,充分保留原信号的有效信息,以达到更高的预测精度。继而,将经过改进GA优化参数的SVR模型对经过去噪处理的数据进行预测及评价。实验结果证明,相对标准的小波-GA-SVR、单一的SVR模型和其他预测模型相比,改进小波-GA-SVR模型具有良好的预测效果,对股票价格的预测研究具有一定的意义。
【关键词】：小波去噪 遗传算法 支持向量机回归 股价预测
【学位授予单位】：福建师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;F832.51
【目录】：

• 中文摘要2-3
• Abstract3-4
• 中文文摘4-9
• 绪论9-15
• 第一节 研究背景和意义9-10
• 第二节 国内外研究现状10-13
• 第三节 本文研究内容及结构13-15
• 第一章 股票相关理论概述15-21
• 第一节 股票的概念及特点15-17
• 第二节 股票预测常用方法17-20
• 第三节 本章小结20-21
• 第二章 小波变换的理论基础21-29
• 第一节 小波的定义21-23
• 第二节 离散小波变换23-24
• 第三节 多分辨率分析24-25
• 第四节 小波去噪原理25-27
• 第五节 本章小结27-29
• 第三章 支持向量回归机理论29-35
• 第一节 支持向量机29-32
• 第二节 支持向量回归机(SVR)原理32-33
• 第三节 SVR的参数选择33-34
• 第四节 本章小结34-35
• 第四章 基于GA优化参数的SVR模型35-45
• 第一节 遗传算法理论35-39
• 第二节 改进遗传算法39-40
• 第三节 构建改进GA-SVR模型40-43
• 第四节 本章小结43-45
• 第五章 股票预测模型的实证研究45-53
• 第一节 股票样本及预处理45-46
• 第二节 基于改进GA-SVR的股票价格预测实证46-48
• 第三节 与其他预测模型对比48-51
• 第四节 2014及2015年股价预测51-52
• 第五节 本章小结52-53
• 第六章 结论53-55
• 参考文献55-61
• 攻读学位期间承担的科研任务与主要成果61-63
• 致谢63-65
• 个人简历65-69

【参考文献】

中国期刊全文数据库 前5条

1 蔡红;陈荣耀;;基于PCA-BP神经网络的股票价格预测研究[J];计算机仿真;2011年03期

2 史荧中;王士同;蒋亦樟;刘培林;;迁移学习支持向量回归机[J];计算机应用;2013年11期

3 张桐;邢东旭;;数据挖掘在股票方面的应用[J];数字技术与应用;2013年01期

4 郭帝;;波浪理论在现货电子交易中应用研究[J];中国证券期货;2013年08期

5 施剑;;基于SVM的IPO首日投资策略分析[J];计算机系统应用;2013年10期

中国硕士学位论文全文数据库 前1条

1 毛开翼;关于组合预测中的权重确定及应用[D];成都理工大学;2007年

，

本文编号：580227