本文關(guān)鍵詞：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，由筆耕文化傳播整理發(fā)布。

【摘要】：傳統(tǒng)股票指數(shù)研究方法多停留在經(jīng)驗(yàn)判斷或簡單的數(shù)據(jù)分析階段,主要方法有基本面分析法、交易指標(biāo)分析法等,這類分析方法或是對以往數(shù)據(jù)包含的信息使用效率比較低,或是對使用者的經(jīng)驗(yàn)積累要求很高.近年來,數(shù)據(jù)挖掘方法在股市中已有很多成功的應(yīng)用.在上述工作的基礎(chǔ)上,從以下三方面提出一種改進(jìn)的糊時(shí)間序列(fuzzy time series,FTS)模型并將其應(yīng)用于股市預(yù)測中:一是提出了新的區(qū)間劃分方法;二是提出新的模糊集權(quán)重公式;三是運(yùn)用SVM分類算法進(jìn)行模型修正,提出組合FTS模型.樣本是選取1996~2003年上證指數(shù)數(shù)據(jù),利用提出模型進(jìn)行指數(shù)預(yù)測.實(shí)驗(yàn)結(jié)果表明,與多種重要FTS模型進(jìn)行比較,本文提出的改進(jìn)模型效果更優(yōu).
【作者單位】： 南京大學(xué)管理學(xué)院;
【關(guān)鍵詞】： 模糊時(shí)間序列 SVM算法 股指預(yù)測
【基金】：國家自然科學(xué)基金(60803055) 教育部人文社會(huì)科學(xué)一般項(xiàng)目(08JC630041)資助
【分類號】：O211.61
【正文快照】： 李小琳,孫s，

本文編號：359706