基于SVM的上证指数开盘指数预测

发布时间：2021-03-24 23:05

　　随着股票市场投资活动的日益频繁,市场迫切需要一种有效的预测方法以帮助人们增加投资收益。股票指数的预测方法多为统计回归预测法和时间序列预测法。统计回归方法是反应输入和输出变量之间的因果关系,本文通过SVM算法对1990年到2016年9月的上证指数进行回归预测,为了找到最优的回归参数c和g,本文运用网格搜索算法进行了两次参数寻优,回归结果表明,本文的方法可以有效的拟合历年的上证指数,可以达到理想的预测效果。 

【文章来源】：中外企业家. 2020,(19)

【文章页数】：3 页

【部分图文】：

上证指数每日的开盘指数

证指数每日的开盘数归一化的结果图

交叉验证是用来验证分类器性能的一种统计方法，基本思想是把在某种意义下将原始数据进行分组，一部分做训练集，一部分验证集。首先将上证指数的数据分为5组，将每个子集的数据做一次验证集，其余4组数据作为训练集，这样会得到5个模型，用着五个模型最终的验证集的分类准确率的平均数作为分类器的性能指标。图4 参数粗略选择结果图（3D视图）

【参考文献】：
期刊论文
[1]基于网格搜索优化LSSVM蓄电池SOC估测[J]. 李韦韦,朱飞,丁维明.  电源技术. 2016(01)
[2]财政透明度、财政分权与公共服务满意度——中国微观数据与宏观数据的交叉验证[J]. 王永莉,梁城城,王吉祥.  现代财经(天津财经大学学报). 2016(01)
[3]基于改进的网格搜索法的SVM参数优化[J]. 王健峰,张磊,陈国兴,何学文.  应用科技. 2012(03)
[4]RBF神经网络在股市趋势预测中的应用[J]. 朱赟,王行愚.  华东理工大学学报. 2002(05)
[5]具有自纠错功能的人工神经网络在股票滚动预测上的应用[J]. 梁夏.  计算机应用研究. 1999(01)

硕士论文
[1]基于时间序列和神经网络的股票指数预测研究[D]. 刘成竹.华中师范大学 2009
[2]BP神经网络在股票预测中的应用研究[D]. 王莎.中南大学 2008



本文编号：3098560