支持向量機(jī)是借助于最優(yōu)化方法解決機(jī)器學(xué)習(xí)問題的新工具，它最初于二十世紀(jì)九十年代由Vapnik提出，近年來在其理論研究和算法實現(xiàn)方面都取得了突破性進(jìn)展，開始成為克服“維數(shù)災(zāi)難”和“過學(xué)習(xí)”的有力手段。本文首先將證券投資分析轉(zhuǎn)化成一個學(xué)習(xí)問題，然后應(yīng)用支持向量機(jī)學(xué)習(xí)證券的市場行為，得出一個分類模式(或稱決策函數(shù))，此分類模式類似于技術(shù)分析中的經(jīng)驗法則，可輔助做出買賣信號。本文所做的主要工作有： 一介紹我國證券市場中常用的幾種技術(shù)指標(biāo)，并根據(jù)技術(shù)指標(biāo)的使用法則，做一些統(tǒng)計上的驗證。統(tǒng)計結(jié)果表明技術(shù)指標(biāo)的使用法則的確有一定的預(yù)測能力。 二將支持向量機(jī)算法用matlab程序?qū)崿F(xiàn)。 三建立預(yù)測股價漲跌的支持向量機(jī)分類模型，并分別對個股和指數(shù)數(shù)據(jù)進(jìn)行了實證檢驗，結(jié)果表明對個股的漲跌預(yù)測有較大的不確定性，對指數(shù)的漲跌預(yù)測能達(dá)到60％的準(zhǔn)確率。 四建立通過財務(wù)指標(biāo)篩選股票的支持向量機(jī)分類模型，并對上交所1999-2005年的所有上市公司作為樣本進(jìn)行實證研究，結(jié)果表明挑選出的股票其半均每股收益遠(yuǎn)遠(yuǎn)超過了上市公司平均每股收益。 本文的創(chuàng)新之處是：基于支持向量機(jī)建立了兩個用于證券投資分析的模型：預(yù)測股價漲跌模型和篩選股票模型。前者認(rèn)為技術(shù)指標(biāo)是行之有效的指導(dǎo)證券投資分析的方法，未來股價走勢一定程度上能在技術(shù)指標(biāo)中反映出來，將技術(shù)指標(biāo)值作為輸入向量，通過支持向量機(jī)算法得到一個決策函數(shù)，可輸出有關(guān)股價未來走勢的預(yù)測；后者認(rèn)為上市公司本年度財務(wù)結(jié)構(gòu)會影響下一年的收益水平，將公司財務(wù)指標(biāo)作為輸入向量，通過支持向量機(jī)在樣本數(shù)據(jù)上的訓(xùn)練學(xué)習(xí)得到的決策函數(shù)，可輸出對該公司未來收益水平高低的預(yù)測。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2007
【中圖分類】：F830.91;F224
【部分圖文】：

11000510入x人(一

260知240230 4a3aZaZaoola叨閱54勻 516252印58陽舀.月.月.月.月，J..心.曰飛.圖3.(a)K線上穿D線時的股價走勢 Fig3.(a)StockpricelinewhenKlineerossDline 0.4—-04一一__ 5100 510 0.4—-—-04一— 0.1‘冬二，·’0.二.爾.100 5100100圖3戈b)K線(實線)卜穿D(虎線)(K、D<0.1) Fig3.(b)Klule(roal11n。)。x· 055Dlin。(lxnag“l(fā)一1“)Whcl， K<0.1al一dD<0.1

260知240230 4a3aZaZaoola叨閱54勻 516252印58陽舀.月.月.月.月，J..心.曰飛.圖3.(a)K線上穿D線時的股價走勢 Fig3.(a)StockpricelinewhenKlineerossDline 0.4—-04一一__ 5100 510 0.4—-—-04一— 0.1‘冬二，·’0.二.爾.100 5100100圖3戈b)K線(實線)卜穿D(虎線)(K、D<0.1) Fig3.(b)Klule(roal11n。)。x· 055Dlin。(lxnag“l(fā)一1“)Whcl， K<0.1al一dD<0.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李建平,徐偉宣,劉京禮,石勇;消費(fèi)者信用評估中支持向量機(jī)方法研究[J];系統(tǒng)工程;2004年10期

2 李波,何建敏;SVM在企業(yè)財務(wù)困境分析中的應(yīng)用[J];現(xiàn)代管理科學(xué);2004年12期

3 楊一文,楊朝軍;基于支持向量機(jī)的金融時間序列預(yù)測[J];系統(tǒng)工程理論方法應(yīng)用;2005年02期

4 劉云燾,吳沖,王敏,喬木;基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險評估模型研究[J];預(yù)測;2005年01期

本文編號：2831217