基于GSA-SVR方法的沪深300指数预测研究

发布时间：2017-12-26 02:45

  本文关键词：基于GSA-SVR方法的沪深300指数预测研究　出处：《哈尔滨工业大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： 沪深300指数 网格搜索算法 支持向量回归 股指预测

【摘要】：股票市场是我国金融市场的重要组成部分，其健康发展关系到我国整个经济体的稳定。作为股票市场的代表，沪深300涵盖了沪市和深市两大市场的基本信息，为中国股市的研究打下了良好的基础。随着现代经济和科学技术的发展，对股市的研究方法已经从单纯的理论研究上升到实证分析，依靠计算机设备获得技术支持似乎成为现下研究的主流趋势。在充分掌握沪深300股票指数的基础上，采用网格搜索算法对支持向量回归机进行优化，通过计算机操作，获得沪深300月度收盘指数的预测。对其精准预测无论对股市监管部门还是股市投资者都有很强的现实意义。 在对国内外研究现状进行综合分析的基础上，确立了研究思路和角度。首先，由于股票市场的发展与自身以及宏观经济环境都密不可分，因此初步选取了四个大盘指标和九个宏观经济指标分别与沪深300收盘价进行分析，在经过一系列计量统计处理后，剔除相关性弱的指标，最终选取与沪深300收盘价相关性较强的指标作为模型的输入变量；在确定了输入变量之后，要通过网格搜索算法对预测模型进行优化构建。对于支持向量回归模型而言，最优参数的寻找直接影响了最终预测结果的精准性，因此引入网格搜索算法对预测模型进行优化，构建基于GSA-SVR方法的沪深300指数预测模型，，运用55个月度数据对模型进行训练，分别基于四种不同的核函数，并对训练结果进行分析比较；在四种不同核函数的基础上，运用7个月度数据对训练模型进行股指趋势预测，通过不同的模型评价指标来分析不同核函数所构建模型的预测效果；最后，在分析预测结果的基础上，分别从微观和宏观的角度对我国股票市场的发展提供一些建设性意见。从微观角度来讲，股市监管部门要做好监管工作，股市投资者要学会分析股市行情，为自身获益；从宏观角度来讲，要从影响股市的几个宏观经济因素着手，制定相关政策措施，促进股市健康发展。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F224;F832.51

【参考文献】

相关期刊论文 前10条

1 吴江;李太勇;;基于加权支持向量机的金融时间序列预测[J];商业研究;2010年01期

2 陈为民;张小勇;马超群;;基于数据挖掘的持卡人信用风险管理研究[J];财经理论与实践;2012年05期

3 瞿慧;肖斌卿;;基于马尔科夫状态转移模型的股指收益率研究[J];管理科学;2011年05期

4 胡莹;王安民;;基于加权支持向量机的VaR计算方法研究[J];经济数学;2010年01期

5 尹中航,王永成,蔡巍;自动分类中的过学习问题与支持向量机[J];计算机工程;2000年S1期

6 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

7 黄胜忠;;遗传支持向量机在股市趋向的预测[J];计算机与数字工程;2012年01期

8 丁士一;;基于马尔科夫模型的金融风险值预测[J];科教文汇(中旬刊);2010年12期

9 郭存芝,梁健;股市走势预测的随机分析方法研究[J];南开经济研究;2000年06期

10 沈志伟;;基于SVM的商业银行信用风险预测[J];合作经济与科技;2012年16期

本文编号：1335512