發(fā)布時間：2024-03-23 01:54

　　隨著經(jīng)濟水平的提高,股票市場大有愈演愈烈之勢,越來越多的人投入到了股票預測的研究之中。然而影響股票的因素眾多,包括金融政策,市場環(huán)境,經(jīng)濟周期,甚至是人為操縱的因素,如何抓住眾多的影響因素找到一個對股票預測行之有效的方法,是眾多專家學者研究的熱點。在眾多的股票預測方法中,支持向量機是一個不錯的機器學習方法。本文就支持向量機在股票預測上的應用展開研究。首先在上證和深證系列股票中隨機選取了各行各業(yè)總共24支個股,并輔以上證指數(shù)和深證指數(shù),通過在選取股票上取得的較好的預測效果從而推廣到整個股票市場中。技術方面,本文以模型的預測正確率和平均擬合偏差作為衡量模型預測性能的標準,通過特征工程構建合適的特征變量并借助主成分分析的方法對輸入變量進行降維處理來消除變量間的多重共線性,同時能夠提高模型的速度,構建支持向量分類機和支持向量回歸機結合回歸擬合與股票漲跌分類共同對股票進行預測以及在支持向量回歸的基礎上構建股票投顧策略模型在構建模型的同時不斷探索合適的時間滑窗,嘗試包括遺傳算法和粒子群算法等不同的參數(shù)優(yōu)化方法,以求盡可能優(yōu)化模型的預測性能。在模型優(yōu)化的同時,挖掘搜索熱度以及新聞情感,通過自然語言處...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖1.1論文結構框架

南京郵電大學專業(yè)學位碩士研究生學位論文第一章緒論71.5論文結構框架本文的論文結構框架如圖1.1所示。圖1.1論文結構框架

圖3.1支持向量機分類超平面

南京郵電大學專業(yè)學位碩士研究生學位論文第三章股票市場及支持向量機等相關算法概述19圖3.1支持向量機分類超平面支持向量機在機器學習以及模式識別中往往會發(fā)揮不錯的性能，自開始出現(xiàn)至今一直不斷發(fā)展，SVM得益于監(jiān)督學習的特性，可以應用到很多統(tǒng)計范疇的問題中，包括分類、回歸以及模型識別....

圖3.2支持向量機在不同核函數(shù)下的表現(xiàn)

南京郵電大學專業(yè)學位碩士研究生學位論文第三章股票市場及支持向量機等相關算法概述22數(shù)(,)進行求解，從而解決復雜度問題，而且核函數(shù)的計算花銷實質(zhì)上并沒有特別明顯的增加�；诖耍灰獦嬙炝撕撕瘮�(shù)(,)，其實際形式完全沒必要知道。所以基于此有以下定理：對任意給出的對稱函數(shù)(,′)，能....

圖3.3多核支持向量機流程圖

南京郵電大學專業(yè)學位碩士研究生學位論文第三章股票市場及支持向量機等相關算法概述23支持向量機的改進算法前文介紹了支持向量機的基本原理，但是我們目前涉及到的SVM都是單核的，也就是說都是基于映射到單個特征空間中。但是在實際應用中需要基于不同的場景來選擇不同的核函數(shù)，比如多項式核函數(shù)....

本文編號：3935275