基于近邻互信息的SVM-GARCH股票价格预测模型研究

发布时间：2017-06-09 19:16

  本文关键词：基于近邻互信息的SVM-GARCH股票价格预测模型研究，由笔耕文化传播整理发布。

【摘要】：为了克服传统线性模型分析处理收益率数据非线性因素的不足,本文提出一种新的基于近邻互信息特征选择的SVM-GARCH预测模型。该模型利用SVM处理高维非线性数据的优势,不仅包含了股指序列自身的历史数据信息,而且通过近邻互信息的方式融合了与目标股指数据关系密切的周边证券市场的相关变化信息。仿真实验结果表明,该模型在时序数据除噪、趋势判别以及预测的精确度等方面均优于传统的ARMA-GARCH模型。
【作者单位】： 山西大学管理与决策研究所;山西大学经济与管理学院;
【关键词】： 股票价格预测 SVM-GARCH模型 近邻互信息
【基金】：国家自然科学基金面上项目(71371113) 教育部人文社会科学研究项目(13YJA790154)
【分类号】：F830.91;F224
【正文快照】： 1引言随着人们对金融市场认识的不断加深,国内外广大研究人员提出了大量的金融时序数据的分析预测模型,在这些方法中有基于传统统计理论的AR-MA模型[1-2]、GARCH模型[3-4]及马尔科夫链[5-6]等,也有人工神经网络算法(Artificial Neural Net-work,ANN)[7-8]、支持向量机(Support

  本文关键词：基于近邻互信息的SVM-GARCH股票价格预测模型研究，由笔耕文化传播整理发布。

，

本文编号：436439