基于GPU的并行支持向量机股票价格预测研究

发布时间：2022-01-15 01:55

　　股市作为金融市场的重要组成部分,具有非线性波动的特点,因此,如何较为准确地对股市价格波动的情况进行预测一直都是研究的重点。国内外很多学者先后提出了一些有效的证券价格预测方法,如基本面分析法、技术分析法等,但是预测效果并不理想。随着非线性技术的发展,人工神经网络（Artificial Neural Network,ANN）被广泛地应用到股票价格预测中,并取得了较好的预测效果,但ANN以经验风险最小化为原则,存在诸多的缺点,如收敛速度较慢以及易陷入局部最小值等。以结构风险最小化为原则的支持向量机（Support Vector Machine,SVM）能够很好地解决上述问题,因此诸多学者将其应用到股市领域中,并验证了支持向量机能够对股票市场的走势取得不错的预测效果。但是当处理大量的数据集时,支持向量机就会表现出训练速度缓慢等缺点,并且随着股市的数据规模以及维数的不断增多,支持向量机的计算效率并不理想。近年来,GPU（Graphic Processing Unit）通用计算作为新兴的高性能计算方法,凭借强大的浮点计算能力、并行计算能力以及高存储宽带被应用于通用计算领域。因此,本文通过GPU技术... 

【文章来源】：山东科技大学山东省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图２．１?ＣＰＵ和ＧＰＵ内部架构简化图??Ｆｉｇｕｒｅ?２．１?ＣＰＵ?ａｎｄ?ＧＰＵ?ｉｎｔｅｒｎａｌ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｓｉｍｐｌｉｆｉｃａｔｉｏｎ?ｄｉａｇｒａｍ??

理器（Ｓｔｒｅａｍｉｎｇ?Ｍｕｌｔｉｐｒｏｃｅｓｓｏｒ，?ＳＭ）组成，一个?ＳＭ?由多个流处理器（Ｓｔｒｅａｍｉｎｇ??Ｐｒｏｃｅｓｓｏｒ，?ＳＰ）和一些其它资源组成，ＳＰ是最小的计算单元。??ＣＵＤＡ线程与硬件的映射关系如图２．４所示＿。在实际运行过程中，Ｂｌｏｃｋ??是ｋｅｒｎｅｌ函数的执行单元，Ｂｌｏｃｋ是若干个独立ｗｒａｐ的逻辑组，即ＳＭ每次调??度都是３２个线程同时执行，并且众多Ｂｌｏｃｋ是无序执行的。由于一个Ｂｌｏｃｋ的??所有线程都被调度到同一?ＳＭ上执行，因此为实现数据共享，ＧＰＵ为每个ＳＭ??提供了高速的共享内存。每个ＳＭ能调度多个Ｂｌｏｃｋ，当多个Ｂｌｏｃｋ等待一个??８??

图２．４?ＣＵＤＡ硬件映射??Ｆｉｇｕｒｅ?２．４?ＣＵＤＡ?ｈａｒｄｗａｒｅ?ｍａｐｐｉｎｇ??


本文编号：3589661