面向股票价格指数多步预测的混合模型研究

发布时间：2020-10-27 23:19

　　 股票市场是一个复杂的、进化的、非线性的动态系统,因此股价指数预测被认为是最具挑战性的时间序列预测应用领域之一。 近年来,支持向量机技术在时间序列预测应用领域取得了很好的效果。支持向量机从控制学习机器复杂度的思想出发,不同于传统的机器学习技术基于经验风险最小化原则,提出了结构风险最小化原则,力求经验风险最小化的同时,希望学习模型的推广性尽可能大。但是,由于股票市场的复杂性,单一技术(如支持向量机)很难完全挖掘出市场信息,采用多个机器学习技术以构建混合模型是解决此问题的一种途径。 本文构建基于支持向量机、自组织映射神经网络和粒子群优化算法的混合模型以解决股价指数的多步预测问题。其中,自组织映射神经网络自动的根据数据间的相似性对训练数据集进行聚类;支持向量机对各类别数据集构建回归预测模型;粒子群优化算法用于寻找支持向量机建模过程中的最优超参数。不同的支持向量机能够捕捉股市的不同模式,从而该混合模型能解决股价指数的波动性问题。本文提出的混合模型采用多步预测领域中的迭代策略和直接策略,对道琼斯工业指数进行5步提前预测,并以单一支持向量机模型为对比方法,数据仿真表明:基于正则均方误差,平均绝对百分比误差指标和DM检验结果,混合模型的预测性能优于传统的单一模型。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2010
【中图分类】：F830.91;F224
【部分图文】：

图 3-2 迭代策略框架现思路如下： 构建一步预测模型 f ( )。然后应用预测模型 f ( )进行提( )^) = f ( x (t + 1), x t , x (t 1), …, x (t ( p 2))) (中的预测值^x (t + 1)替代未知值 x (t + 1)作为模型的输^), … , x (t +h)均被迭代的预测。在第 k ,1≤ k ≤ h步中，有 预测值作为模型的输入。当 h 1≥ p时，所有的输入值均测能力将急剧下降。迭代预测法的最大优点为整个预测过而简化了建模过程，节省了建模时间。但其缺点也是明会积累到下一步的预测过程中，当预测步数过长时，这种

图 4-6 神经元邻域图上图中神经元连接拓扑为四边形。图中最黑的点，即标示为 Home Neuron 的点就是优胜神经元，其距离为 0，以此点为中心向四周扩散，最内方框里的八个神经元与优胜神经元的距离为 1，次外层方框内的 16 个神经元与优胜神经元的距离为 2，以此类推，当距离超出一定数值时，此外的神经元不视为领域内的神经元，不参与学习。在 SOM 网络训练过程中，输出神经元的权向量iω 逐渐向获胜神经元靠近。权向量集是对训练样本集中所有样本的描述，相似度较高的神经元聚集在一起，在网格中形成一个个聚类的数据云，从而权向量可看作是以它为获胜神经元的所有样本的聚类中心。4.1.2 U 矩阵

得到如下二次规划问题：)( ) ( ( ) ( )) ( ) * * 1 1n ni j j i j i i i i a a φ x φ x ε y a = = + ∑ + ∑ ) [ ]* *0, , 0, , (4i i i ia a = a a ∈ C，此时式（4-8）转化为：) ( ( ) ( ))*. ( i i a φ x φx b + 计算出b ，通过引入 Karush-Kuhn-Tucker( ( )))0iw x bφ+ + =
【参考文献】

相关期刊论文 前10条

1 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

2 尉询楷,李应红,王硕,路建明,汪诚;基于支持向量机的航空发动机滑油监控分析[J];航空动力学报;2004年03期

3 陈友,张国基,郭国雄;一种改进的SVM算法及其在证券领域中的应用[J];华南理工大学学报(自然科学版);2003年07期

4 罗泽举;宋丽红;薛宇峰;朱思铭;;一类基于SVM/RBF的气象模型预测系统[J];计算机工程;2006年21期

5 陈政;杨天奇;;基于RBF神经网络的股票市场预测[J];计算机应用与软件;2010年06期

6 金桃;岳敏;穆进超;宋伟国;何艳珊;陈毅;;基于SVM的多变量股市时间序列预测研究[J];计算机应用与软件;2010年06期

7 江田汉;束炯;;基于LSSVM的混沌时间序列的多步预测[J];控制与决策;2006年01期

8 张晨希;张燕平;张迎春;陈洁;万忠;;基于支持向量机的股票预测[J];计算机技术与发展;2006年06期

9 杨一文,刘贵忠,蔡毓;基于模糊神经网络和R/S分析的股票市场多步预测[J];系统工程理论与实践;2003年03期

10 孟庆芳;张强;牟文英;;混沌序列自适应多步预测及在股票中的应用[J];系统工程理论与实践;2005年12期

相关博士学位论文 前1条

1 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年

相关硕士学位论文 前1条

1 沈志刚;支持向量回归机在股票价格预测中的分析与应用[D];暨南大学;2007年

本文编号：2859219