股票市場建立以來,能否通過歷史數(shù)據(jù)預(yù)測股票走勢,并取得超額收益一直是投資者關(guān)心的核心問題。自Eugene Fama率先引入有效市場假說（Efficient Markets Hypothesis,EMH）以后,許多學(xué)者便開始對股票市場是否有效展開探究。如果股票市場是弱有效的,那么將歷史數(shù)據(jù)輸入預(yù)測模型,期望超越大盤,這種行為便是徒勞的。相關(guān)研究指出,股票市場本身是非線性混沌系統(tǒng),在長期內(nèi)無法預(yù)測,而進(jìn)行短期預(yù)測則存在可行性。而傳統(tǒng)的金融時(shí)間序列模型多基于平穩(wěn)性、正態(tài)分布等統(tǒng)計(jì)學(xué)假設(shè),構(gòu)造線性計(jì)量方程,如ARIMA、GARCH等,但是由于股票市場的復(fù)雜性和多變性,這些假設(shè)往往跟實(shí)際不符,預(yù)測效果自然較差。隨著數(shù)學(xué)、計(jì)算機(jī)等相關(guān)領(lǐng)域的發(fā)展,人們開始將人工智能算法引入股市預(yù)測,支持向量機(jī)算法便是其中非常典型的算法。支持向量機(jī)算法在處理非平穩(wěn)、非線性等問題上具有較突出的優(yōu)勢,在股價(jià)預(yù)測方面效果良好。但是股票價(jià)格往往受到各種信息的干擾,含有較多的“噪聲”,支持向量機(jī)算法無法排除這些噪聲的干擾。而小波分析的引入,則能解決這個(gè)問題。小波分析同樣是人工智能領(lǐng)域的常用算法,它能夠?qū)⒐蓛r(jià)分解成若干細(xì)節(jié)信號和... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍

圖2-2支持向量分類支持向量到超平面的距離為,不同類別的支持向量到超平面的距離之和為

映射關(guān)系示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于文本挖掘和機(jī)器學(xué)習(xí)的股指預(yù)測與決策研究[J]. 戴德寶,蘭玉森,范體軍,趙敏.  中國軟科學(xué). 2019(04)
[2]基于離散小波分解和支持向量機(jī)的股指組合預(yù)測[J]. 嚴(yán)駿宏.  統(tǒng)計(jì)與決策. 2017(03)
[3]基于PCA-FOA-SVR的股票價(jià)格預(yù)測研究[J]. 王衛(wèi)紅,卓鵬宇.  浙江工業(yè)大學(xué)學(xué)報(bào). 2016(04)
[4]基于SVM修正的模糊時(shí)間序列模型在滬指預(yù)測中的應(yīng)用[J]. 李小琳,孫玥,劉洋.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2016(03)
[5]我國外匯市場與股票市場間波動溢出效應(yīng)實(shí)證研究——基于小波多分辨的多元BEKK-GARCH（1,1）模型分析[J]. 熊正德,文慧,熊一鵬.  中國管理科學(xué). 2015(04)
[6]基于小波領(lǐng)袖多重分形分析法的股市有效性及風(fēng)險(xiǎn)檢測[J]. 張林,李榮鈞,劉小龍.  中國管理科學(xué). 2014(06)
[7]組合預(yù)測模型在股指短期預(yù)測中的應(yīng)用——以上證綜合指數(shù)為例的實(shí)證分析[J]. 劉佳明,劉海濱.  中國商貿(mào). 2014(05)
[8]基于小波變換的風(fēng)險(xiǎn)傳染測度研究[J]. 梁經(jīng)緯,劉金蘭,柳洲.  統(tǒng)計(jì)與決策. 2013(08)
[9]ARIMA對我國上證指數(shù)的預(yù)測研究[J]. 劉云.  現(xiàn)代商貿(mào)工業(yè). 2012(16)
[10]基于支持向量機(jī)的滬深300指數(shù)預(yù)測研究[J]. 葉園,何穗.  湖北師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2009(03)

碩士論文
[1]基于數(shù)據(jù)挖掘方法的股票預(yù)測系統(tǒng)[D]. 郝知遠(yuǎn).南京理工大學(xué) 2017
[2]基于支持向量機(jī)的股價(jià)預(yù)測研究[D]. 朱磊.重慶工商大學(xué) 2016
[3]基于小波變換—機(jī)器學(xué)習(xí)算法的有效投資組合構(gòu)建[D]. 劉俊鋒.西南財(cái)經(jīng)大學(xué) 2016
[4]奇異值分解熵對股票指數(shù)的預(yù)測力研究[D]. 曾莼.南京財(cái)經(jīng)大學(xué) 2016
[5]基于支持向量機(jī)的股市預(yù)測[D]. 李悅.復(fù)旦大學(xué) 2014
[6]基于小波分析的非線性套期保值模型研究[D]. 張帥斌.西南財(cái)經(jīng)大學(xué) 2013
[7]基于SVMAdaBoost模型的股票漲跌實(shí)證研究[D]. 詹財(cái)鑫.華南理工大學(xué) 2013
[8]基于小波分析和ARMA-SVM模型的股票指數(shù)預(yù)測分析[D]. 丁玲娟.華東師范大學(xué) 2012
[9]基于小波分析和神經(jīng)網(wǎng)絡(luò)的金融時(shí)間序列預(yù)測研究[D]. 鄭紀(jì)安.廈門大學(xué) 2009
[10]基于小波變換的圖像去噪算法與實(shí)現(xiàn)[D]. 袁紅梅.上海交通大學(xué) 2008



本文編號：3081834