基于支持向量回歸機的股價預測研究.pdf

1、隨著經濟社會的發(fā)展，以及人們投資意識的增強，人們越來越多的參與到股票市場的經濟活動中，股票投資也已經成為人們生活的一個重要組成部分。但是股票市場的高回報伴隨著的是高風險，因此對于股票市場的預測研究具有極為重要的經濟意義。然而在股票市場中，首先面對的是眾多的指標、眾多的信息，很難找出對股價更為關鍵的因素；其次股市結構極為復雜，影響因素具有多樣性、相關性。這導致了很難找出股市內在的模式。現有的分析預測方法在預測應用中往往效果并不是很理想。支

2、持向量機是一種新興的技術，借助于最優(yōu)化理論、對偶理論等，采用結構風險最小化、核函數等方法來解決分類問題，有著較好的分類、回歸和泛化性能。支持向量回歸機就是在支持向量機的基礎上產生的，專門用于處理回歸問題的方法。近年來一些學者將其運用與股市預測并取得較好的預測效果。本文從更好的結合股票市場的特點以及更充分的更合理的利用信息的角度出發(fā)，建立了基于支持向量回歸機的預測模型，并以中國聯(lián)通(600050)和新五豐(600975)數據為例進行了預測

3、驗證。
　　 本文分析對比了現有股市預測方法，提出采用基于支持向量回歸機的方法進行預測。為了更充分更合理的利用信息，在盡可能全面的收集股市信息的基礎上，利用相關系數來進行線性相關分析，接著并利用散點圖進行簡單的非線性相關分析，然后進行靈敏度分析，去除各個相關性較少的因素，以達到找到關鍵信息的目的；同時在數據處理上，采用主成分分析的方法來約減數據，去除各個因素之間的相關性和多重共線性。為了更好的結合股票市場的特點，在樣本選擇上采用

4、自組織特征映射神經網絡聚類的方法來擴大那些非頻繁模式的影響，弱化長期趨勢的影響，更符合了股票市場多變性、動態(tài)性的特點。
　　 最后以中國聯(lián)通和新五豐兩個股票為例，分別進行三組實驗。第一次實驗以原始變量為基礎進行的基于支持向量回歸機的預測；第二次實驗是對影響因素進行相關分析分析后，并采用主成分分析處理數據，然后進行的預測；第三次實驗預測是對樣本進行聚類后的數據進行預測。
　　 實驗結果表明第三次的預測精度最高，而第一次的精