基于改进的支持向量机的股票预测方法

发布时间：2018-01-09 19:33

本文关键词：基于改进的支持向量机的股票预测方法　出处：《江苏科技大学学报(自然科学版)》2017年03期 　论文类型：期刊论文

【摘要】：如何把握股票的涨跌规律一直是股市中的一个难题.利用股市中常用的技术指标作为特征,支持向量机作为算法对股票价格的变化进行建模,旨在通过机器学习和数据挖掘方法对股票的涨跌进行预测.其主要方法是依据最大化收益思想,提出了根据ROC曲线下的面积AUC值进行遗传参数寻优的支持向量机,解决传统方法在预测中可用性不高的问题.在实验中,将其应用于沪深股票的涨跌预测,通过最优化不同的时间窗口,得到了不错的收益结果.通过实验表明,该方法对股票交易具有预测指导作用,可以帮助投资者简化分析步骤并增加获利.
[Abstract]:How to grasp the law of stock fluctuation has been a difficult problem in the stock market. Using the technical indicators commonly used in the stock market as a feature, support vector machine (SVM) is used as an algorithm to model the change of stock price. The purpose of this paper is to predict the stock price and decline through machine learning and data mining, which is based on the idea of maximization of income. A support vector machine (SVM) is proposed to optimize genetic parameters according to the area AUC value under the ROC curve, which solves the problem of low availability of traditional methods in prediction. The method is applied to the forecasting of stock price in Shanghai and Shenzhen. By optimizing different time window, the good result of income is obtained. The experiment shows that the method can predict the stock trading. It can help investors simplify analytical procedures and increase profits.
【作者单位】：南京理工大学计算机科学与工程学院;
【分类号】：F832.51;TP18
【正文快照】： 随着中国经济建设的发展,越来越多的民众选择投资股市来实现自己资产的增值.入市股民也越来越关注如何从上千只股票中选择优质股,以及如何把握股票的涨跌规律这个难题.由于散户们获取关于上市公司信息的渠道有限,他们更倾向于使用历史数据的K线图以及各种各样的技术指标进行分

【相似文献】