基于离散小波分解和支持向量机的股指组合预测

发布时间：2017-06-03 11:11

  本文关键词：基于离散小波分解和支持向量机的股指组合预测，由笔耕文化传播整理发布。

【摘要】：文章结合离散小波分解和支持向量机方法对股票指数进行组合预测研究,构建e-SVR支持向量回归机模型和结合离散小波分解的组合模型对2010年3月至2014年9月的沪深300股指收益率进行实验,两种模型分别预测未来6个月的股指收益率后与实际情况对比。结果表明:离散小波分解和支持向量机的组合模型相对支持向量机而言具有较好的逼近能力和泛化能力,能够很好地对股指收益率进行拟合并对未来的股票指数进行预测。
【作者单位】： 武汉大学经济与管理学院;
【关键词】： 小波分解 支持向量机 组合预测
【分类号】：F224;F832.51
【正文快照】： 0引言近年来随着科技的进步和发展,出现了不少将人工智能等新方法引入金融时间序列分析的探索和研究,如灰色预测、模糊预测、神经网络、支持向量回归以及相关改进等。小波分析是傅里叶分析发展史上的重要进展,1984年由法国工程师J.Morlet提出后,逐渐受到工程师和科学家的重视,

【参考文献】

中国期刊全文数据库 前2条

1 肖燕君;张华;任若恩;;基于小波多尺度分析的股票价格组合预测方法[J];工业工程;2011年06期

2 张玉川;张作泉;;支持向量机在股票价格预测中的应用[J];北京交通大学学报;2007年06期

【共引文献】

中国期刊全文数据库 前10条

1 邱坤南;沈斐敏;;小波多尺度分析的浸润线预测方法[J];福州大学学报(自然科学版);2016年05期

2 黄同愿;陈芳芳;;基于SVM股票价格预测的核函数应用研究[J];重庆理工大学学报(自然科学);2016年02期

3 陈颇;;基于灰色神经网络模型的安踏体育用品有限公司股票价格预测研究[J];军事体育学报;2015年04期

4 张庚;易宗向;;带修正的基于支持向量机的股票短期预测[J];佛山科学技术学院学报(自然科学版);2014年02期

5 于志军;杨善林;;基于误差校正的GARCH股票价格预测模型[J];中国管理科学;2013年S1期

6 李峤志;;基于PSO-SVR的期货价格预测[J];时代金融;2013年26期

7 程昌品;陈强;姜永生;;基于ARIMA-SVM组合模型的股票价格预测[J];计算机仿真;2012年06期

8 吕琦;;基于SVM的股票时间序列的预测研究[J];吉林工程技术师范学院学报;2011年07期

9 林琦;吴少雄;;基于相空间重构的LS-SVM股票价格预测[J];福建工程学院学报;2010年03期

10 罗玲玲;周钢;;支持向量机在凝冻日数预测中的应用[J];廊坊师范学院学报(自然科学版);2009年06期

【二级参考文献】

中国期刊全文数据库 前2条

1 林志勇;张维强;徐晨;;基于小波变换与MOBP的股价预测[J];计算机工程与应用;2008年16期

2 刘星,迟建新,宿成建,刘礼培;股票价格指数灰色系统预测与分析[J];数量经济技术经济研究;2003年08期

【相似文献】

中国期刊全文数据库 前10条

1 黄岩,张国春,王其藩,朱道立;一种新的计算组合预测权重的方法[J];管理工程学报;2001年02期

2 王郁;;组合预测何以兴起[J];预测;1989年04期

3 谢素卿;曾珍香;;组合预测结果的优化[J];河北工学院学报;1989年01期

4 赵云升;害虫种群动态的组合预测[J];昆虫知识;1991年03期

5 C.W.J.Granger;赵文奇;;二十年来的组合预测[J];预测;1991年03期

6 唐小我;;最优组合预测的计算方法[J];管理现代化;1992年01期

7 马永开,唐小我;多目标组合预测优化模型研究[J];统计研究;1997年04期

8 曾勇,唐小我,陈珂;组合预测冗余方法判定的一个补充规则[J];电子科技大学学报;1998年02期

9 王硕,唐小我,周俊;组合预测软科学方法研究[J];运筹与管理;1999年01期

10 陈华友;组合预测权系数确定的一种合作对策方法[J];预测;2003年01期

中国重要会议论文全文数据库 前9条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 田瑾;项静恬;陈殿斌;;多种时间序列建模及组合预测的比较和改进[A];中国现场统计研究会第九届学术年会论文集[C];1999年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年

7 樊英;张秋菊;;工业增加值预测系统的分析设计[A];中国企业运筹学[C];2006年

8 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

9 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[A];第十届中国管理科学学术年会论文集[C];2008年

中国博士学位论文全文数据库 前6条

1 赵欣;小世界网络理论及其在风电功率短期预测中的应用研究[D];北京交通大学;2015年

2 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

3 蒋传进;基于模型遴选规则的自适应组合预测研究[D];东华大学;2014年

4 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

5 谭泗桥;支持向量回归机的改进及其在植物保护中的应用[D];湖南农业大学;2008年

6 王富强;风电场短期风速预测及模拟的理论与方法研究[D];华北电力大学;2013年

中国硕士学位论文全文数据库 前10条

1 马艳玲;组合预测在医药流通企业销售预测中的应用研究[D];华南理工大学;2015年

2 陈嵩;组合预测技术及其在功率预测中的应用[D];华北电力大学;2015年

3 郭二凤;ATM现金流预测的研究[D];辽宁科技大学;2015年

4 施艳春;基于非线性时间序列和神经网络的风电功率短期预测[D];沈阳工业大学;2016年

5 王克楠;基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究[D];北京交通大学;2016年

6 马斌;基于人工智能的短期风电功率组合预测研究[D];西南交通大学;2016年

7 沈达;我国通货膨胀率的波动与组合预测研究[D];首都经济贸易大学;2016年

8 杨冬强;风力发电短期功率预测研究[D];郑州大学;2016年

9 安秋娴;贵州省中期用电需求组合预测[D];华北电力大学(北京);2016年

10 刘旭;基于大数据的风功率预测模型优化研究与实现[D];华北电力大学;2016年

  本文关键词：基于离散小波分解和支持向量机的股指组合预测，由笔耕文化传播整理发布。

，

本文编号：417988