本文關鍵詞：基于支持向量機股票價格指數(shù)建模及預測

  更多相關文章： 股票價格指數(shù) 支持向量機 最佳參數(shù) 預測模型

【摘要】：為提高預測精度,采用基于支持向量機理論的預測方法對股票價格指數(shù)進行預測。文章在分析支持向量機預測基本原理基礎上,以交叉驗證法確定了最佳回歸參數(shù)并以此建立了預測模型。對上海證券交易所的股票價格指數(shù)進行預測,研究結果表明基于支持向量機預測法能較準確地反映股票價格指數(shù)的變化趨勢且提高了預測精度,驗證了此方法在股票價格指數(shù)預測中的可行性。
【作者單位】： 許昌學院公共實驗中心;許昌學院數(shù)學與統(tǒng)計學院;
【關鍵詞】： 股票價格指數(shù) 支持向量機 最佳參數(shù) 預測模型
【基金】：河南省教育廳自然科學研究計劃項目(2010A510011)
【分類號】：F832.51;TP18
【正文快照】： 0引言一直以來,專家和業(yè)內人士都致力于尋求更有效的股票價格指數(shù)預測方法�；貧w預測法[1]的預測精度高,適合用于中長期預測,但對歷史數(shù)據(jù)要求高,回歸變量難以確定,且缺乏自學習能力。時間序列預測法[2]計算工作量小,適合短期預測,但對規(guī)律性的處理存在不足。人工神經網絡具

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 梁坤;聶會星;徐樅巍;;基于支持向量機的北京市房地產價格指數(shù)預測[J];合肥工業(yè)大學學報(自然科學版);2011年04期

2 魏俊;周步祥;林楠;邢義;;基于蟻群支持向量機的短期負荷預測[J];電力系統(tǒng)保護與控制;2009年04期

3 楊洪;古世甫;崔明東;孫禹;;基于遺傳優(yōu)化的最小二乘支持向量機風電場風速短期預測[J];電力系統(tǒng)保護與控制;2011年11期

4 王觀玉;郭勇;;支持向量機在電信客戶流失預測中的應用研究[J];計算機仿真;2011年04期

5 王f[,張少華;一種應用時間序列技術的短期電力負荷預測模型[J];上海大學學報(自然科學版);2002年02期

6 石月珍;徐冬梅;;基于支持向量機模型的湘江枯水預報研究[J];水利水電技術;2011年04期

7 趙宏偉,任震,黃雯瑩;基于周期自回歸模型的短期負荷預測[J];中國電機工程學報;1997年05期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫海健;基于子集自回歸模型的短期負荷預測[J];電力需求側管理;2001年05期

2 顧潔;應用小波分析進行短期負荷預測[J];電力系統(tǒng)及其自動化學報;2003年02期

3 李云飛;黃彥全;蔣功連;;基于PCA-SVM的電力系統(tǒng)短期負荷預測[J];電力系統(tǒng)及其自動化學報;2007年05期

4 王奔;冷北雪;張喜海;單纕，

本文編號：1054873