基于PCA-FOA-SVR的股票价格预测研究

发布时间：2017-07-29 06:03

  本文关键词：基于PCA-FOA-SVR的股票价格预测研究

  更多相关文章： 主成分分析 支持向量回归机 果蝇优化算法 股票价格预测

【摘要】：研究股票价格预测问题,针对影响股票价格因素多存在数据冗余,传统方法无法消除数据冗余,准确稳定预测股价非线性变化.为提高预测精度,在传统的支持向量机回归(Support vector regression,SVR)方法的基础上引入主成分分析(Principal component analysis,PCA)和果蝇算法(Fruit fly optimization algorithm,FOA),提出了一种PCA-FOA-SVR的股票价格预测方法.首先利用PCA对影响股票价格的因素进行分析降维,消除冗余信息,然后用果蝇算法优化SVR的参数,利用优化后的SVR对非线性变化的股票价格建模预测.最后利用PCA-FOA-SVR模型对宁沪高速(600377)股票价格数据进行仿真实验.实验结果表明:与传统的BP和SVR相比,PCA-FOASVR模型在股票价格预测中进一步减小了预测误差,有更高的预测精度,是一种有效可行的股票价格预测方法.
【作者单位】： 浙江工业大学计算机科学与技术学院;
【关键词】： 主成分分析 支持向量回归机 果蝇优化算法 股票价格预测
【基金】：国家自然科学专项基金项目(61340058) 浙江省自然科学基金重点项目(LZ14F020001)
【分类号】：F830.91;TP18
【正文快照】： 股票市场价格是反映经济动向的晴雨表,对股票价格的准确预测可以引导市场平稳运行,降低风险,也可以使投资者最大限度地规避风险,做出正确的投资策略,获得最大收益.由于受到政治、经济和社会等各种因素的综合影响,股票价格波动大,变化异常复杂,因此准确把握股票价格的运行态势

【相似文献】

中国期刊全文数据库 前10条

1 施航;马琳达;;人工神经网络在股票价格预测中的应用[J];电脑开发与应用;2007年09期

2 王晴;;组合模型在股票价格预测中应用研究[J];计算机仿真;2010年12期

3 刘小兰;;改进支持向量机的股票价格预测研究[J];农业网络信息;2012年09期

4 李忍东;饶佳艺;严亚宁;;基于智能计算的股票价格预测[J];科技通报;2013年04期

5 徐维维;高风;;灰色算法在股票价格预测中的应用[J];计算机仿真;2007年11期

6 朱嘉瑜;叶海燕;高鹰;;基于隐马尔可夫模型的股票价格预测组合模型[J];计算机工程与设计;2009年21期

7 王玲;;最优组合模型在证券市场预测中的应用研究[J];计算机仿真;2012年01期

8 王煜坤;张yN;;属性聚类网络在股票价格预测中的应用[J];电脑知识与技术;2009年18期

9 杨震;;基于后效时间长度的股票价格预测[J];计算机仿真;2012年02期

10 江龙;薛佳佳;;基于差值灰色RBF网络模型股票价格预测研究[J];广西大学学报(自然科学版);2012年03期

中国重要会议论文全文数据库 前1条

1 于志军;杨善林;;基于误差校正的GARCH股票价格预测模型[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集（上）[C];2013年

中国硕士学位论文全文数据库 前10条

1 黄冉;基于隐马尔科夫模型（HMM）的股票价格预测分析[D];青岛大学;2015年

2 程隆昌;灰色GM(1,2)模型在股票价格预测中的应用[D];天津财经大学;2015年

3 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

4 吕欣;基于神经网络股票价格预测模型及系统的研究[D];吉林大学;2010年

5 高立刚;支持向量机及其在股票价格预测方面的应用[D];北京工业大学;2006年

6 胡艺博;基于小波—粒子滤波算法的股票价格预测研究[D];吉林大学;2008年

7 陈丽琼;函数型数据分析方法在股票价格预测上的应用[D];厦门大学;2014年

8 唐广宇;股票价格预测的时间序列组合模型方法[D];湘潭大学;2013年

9 张克宜;基于改进GM（1，N）和优化SVM组合模型的股票价格预测[D];哈尔滨工业大学;2013年

10 姜爱宇;部分线性模型在股票价格预测中的应用研究[D];辽宁师范大学;2012年

，

本文编号：587703