基于离群特征提取和能量计算的SVM股市预测研究

发布时间：2023-08-26 03:23

　　随着经济发展,人们开始关注股票市场,由于股票市场的高度复杂性以及影响因素众多给股市的预测带来很大的困难。股市的预测也一直被专家学学者研究,预测精度高的模型能更好的指导投资者减少投资的风险。本文主要针对股市预测模型中的尖峰点难以预测导致模型准确度低的问题,从指标背离的角度对股市中的异常突变点进行分析,以支持向量机模型作为基础预测模型,对股市波动预测进行研究。本文开展的研究如下：(1)由于股票价格波动具有较强的突变性,导致股票价格走势难以预测。提出基于离群特征模式的股市波动预测模型(SOFSVM),该算法首先利用马尔科夫毯选取目标结点的局部网络结构,以屏蔽其他结点对目标结点的影响；进而,对目标结点的指标进行分析,提取异于一般行为的离群特征模式；利用滑动窗口捕捉离群特征,将离群特征模式作为先验知识加入原SVM模型,预测尖峰点并平滑尖峰点对于预测结果的影响,提高预测模型的稳健性。(2)针对SOFSVM算法对于背离之后股价波动的方向预测效果不理想的情况,提出基于特征能量的股市波动预测模式(EOF-SVM)。EOF-SVM算法根据多个指标背离及特殊指标形态将指标数据与股价建立贝叶斯网络,通过贝叶斯...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第一章 绪论
    1.1 本文研究的背景
    1.2 国内外的研究现状
    1.3 贝叶斯网络
    1.4 本文的课题来源及工作创新
        1.4.1 课题来源
        1.4.2 本文主要工作创新
    1.5 文章的章节安排
第二章 贝叶斯网络及特征选择算法
    2.1 贝叶斯网络
        2.1.1 贝叶斯定理
        2.1.2 贝叶斯网络的相关定义
        2.1.3 概率图分割和变量独立
        2.1.4 条件独立性的测试方法
    2.2 马尔科夫毯
        2.2.1 马尔科夫毯的相关定义及应用
        2.2.2 马尔科夫毯算法
    2.3 常见的特征选择选法
        2.3.1 特征选择
        2.3.2 PCA算法
        2.3.3 KCA算法
        2.3.4 遗传算法
    2.4 本章小结
第三章 基于离群特征模式的股市波动预测
    3.1 引言
    3.2 支持向量机
        3.2.1 基础理论介绍
        3.2.2 支持向量机算法介绍
    3.3 离群特征模式
        3.3.1 股市技术指标
        3.3.2 离群特征模式定义
        3.3.3 离群特征模式提取
    3.4 融合离群特征模式的支持向量机
        3.4.1 马尔科夫毯特征选择
        3.4.2 建立离群特征
        3.4.3 离群特征模式的引入
        3.4.4 算法描述
    3.5 实验数据处理
        3.5.1 试验数据
        3.5.2 用马尔科夫毯进行特征选择
        3.5.3 对数据预处理
        3.5.4 模型参数的选择
        3.5.5 对比实验算法
        3.5.6 评价标准
    3.6 SOFSVM预测的结果分析
        3.6.1 数据集划分
        3.6.2 SOFSVM预测结果
        3.6.3 对比分析
    3.7 本章小结
第四章 基于特征能量的股市波动预测
    4.1 引言
    4.2 贝叶斯网络的风险评估
    4.3 滑动窗口
        4.3.1 数据流
        4.3.2 窗口技术
    4.4 基于特征能量的支持向量机
        4.4.1 贝叶斯网络模型的构建
        4.4.2 股市波动能量
        4.4.3 能量窗口
        4.4.4 EOF-SVM算法
    4.5 EOF-SVM算法结果
        4.5.1 实验数据
        4.5.2 用马尔科夫毯进行特征选择
        4.5.3 贝叶斯网络的构建
        4.5.4 EOF-SVM算法结果
        4.5.5 预测对比分析
    4.6 本章小结
第五章 总结与展望
    5.1 本文的主要工作
    5.2 下一步工作
参考文献
攻读硕士学位期间的学术活动及成果情况



本文编号：3843854