基于线性判别分析与小波分析的支持向量机股票交易择时策略

发布时间：2021-03-12 04:23

　　随着荷兰东印度公司的股票在阿姆斯特丹的发行,股票作为一种投资标的问世已经超过400年。无数投资者为股票价格的波动辗转反侧,但仍然没有一种能够准确预测股价的方法。由于股价波动具有高度的非线性特点,用传统方法建立的数学模型对股价预测的准确率偏低。随着信息技术的发展,机器学习作为人工智能的重要组成部分亦得到长足发展。上世纪90年代提出的支持向量机（SVM）是一种基于统计学理论和结构风险最小化原理的机器学习理论。SVM在处理高维问题以及非线性复杂问题时表现出卓越的性能。这是因为SVM引入核函数来规避低维空间的内积计算使得非线性问题巧妙地转化为较高维度空间的线性问题从而简化了计算。最终模型的核心思想如下:先导入数据并进行数据清洗,紧接着用小波分析对原始数据集进行消噪处理,再将数据归一化或标准化,接着进行对数据降维。然后将处理过的数据导入SVM模型去训练模型。在模型的参数调优方面:选用交叉验证缩小网格搜索的范围后进行全部遍历以寻找支持向量机模型的最优参数组合来构建预测模型。然后用构建好的预测模型以及新数据对下一期的股价涨跌情况进行验证。最后对模型的性能进行评价。模型预测出的分类值表明预测下一期股价... 

【文章来源】：上海外国语大学上海市 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

017年人工智能技术成熟度曲线（源自GartnerGroup）

人工智能与机器学习关系图

基于SVM的股价预测模型构建流程图

【参考文献】：
期刊论文
[1]基于PSO优化LSSVM的股价时间序列预测[J]. 王国俊.  科技和产业. 2017(10)
[2]基于SVM的上证指数预测研究[J]. 张晶华,莫文柯,甘宇健.  软件导刊. 2017(08)
[3]小波分析方法在金融股票数据预测中的应用研究[J]. 沈桦.  时代金融. 2017(23)
[4]基于GARCH-SVM模型的股票价格波动分析[J]. 邓军.  经济研究导刊. 2017(06)
[5]影响股票收益的基本面因子略探——基于中小板上市公司的实证分析[J]. 周亮.  金融理论与实践. 2017(02)
[6]基于离散小波分解和支持向量机的股指组合预测[J]. 严骏宏.  统计与决策. 2017(03)
[7]基于近邻互信息的SVM-GARCH股票价格预测模型研究[J]. 张贵生,张信东.  中国管理科学. 2016(09)
[8]基于PCA-FOA-SVR的股票价格预测研究[J]. 王卫红,卓鹏宇.  浙江工业大学学报. 2016(04)
[9]GARP数量化选股及马尔科夫链择时策略研究[J]. 刘洋,夏思雨,胡思瑞,林思亮.  金融与经济. 2016(05)
[10]基于SVM修正的模糊时间序列模型在沪指预测中的应用[J]. 李小琳,孙玥,刘洋.  中国科学技术大学学报. 2016(03)

硕士论文
[1]基于投资者情绪的股票预测研究[D]. 上官彦辉.北京工业大学 2016
[2]基于支持向量机的沪深300指数回归预测[D]. 王芳.山东大学 2015
[3]基于小波分析和AGA-SVR模型的股指预测方法研究[D]. 崔燕敏.华南理工大学 2013
[4]支持向量机对股市的预测及实证分析[D]. 张丽娜.青岛大学 2007
[5]基于小波分析和支持向量机的股票指数预测模型的研究及应用[D]. 郭家芳.武汉理工大学 2006



本文编号：3077672