原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
浙江交通职业技术学院学报，第13卷第4期，2012年12月
JournalofZhejiangInstituteofCommunications
Vo1．13No．4Dee．02 12
SVR算法在指数预测中的应用研究
饶 山山，杨志平 ，甘志刚2
(1．浙江交通职业技术学院，杭州 311112；2．浙江工商大学，杭州 310018)
摘 要：本文阐述了回归型支持向量机 (SVR)的基本结构及训练方法，并在此基
础上研究了基于 svR算法的股票指数预测方法。通过应用LS—SVM软件，选用
RBF核函数。利用自学模型，对超参数不断进行优化，以加快运算速度，并最终建
立了该算法应用于股市预测的模型。通过股票指数的建模与仿真结果表明，支持向
量回归机在股票价格的中短期预测以及整体股票趋势预测有比较好的效果。
关键词：股票指数；预测；模型；RBF核函数
中图分类号：TP319 文献标识码：A doii10．3969／j．issn．1671—234X．2012．04．008
文章编号：1671—234X (2012)04—0028一o5
lI I『，则：
0 引 言 (叫)= 唧+ Il02ll=Ee(f(f)一Yf)+
．
，
lI lI (2)
市场经济经过多年的发展，已经积累了大量的
其中：Z表示样本的数 目；e(·)是损失函
股市信息数据，如何从这些庞大的数据中挖掘出有
数， 是调整的常数。
价值的信息并应用于投资决策，成为股市预测的焦
最小化R (叫)可得到用数据点表示的叫：
点问题。本文以股票价格预测问题为背景，阐述了
支持向量回归机 (SVR)的思想和原理，利用支持 叫= (af—af) (f) (3)
向量机的回归预测功能对股票价格进行预测。实验 其中af和 f是最小化 R ()的解。因此，
表明，支持向量回归机在股票价格的中短期及整体 ． 厂()可表示为：
预测方面有比较好的效果。
)=∑(口一口f)( (f)·())+b=
1 支持向量回归机 (SVR) ∑(f—af)k( ，)+b (4)
其中k( ， )= (Xi) · ()称为核函
支持向量回归机[J的基本思想是通过一个非线
数。常见的核函数有线性核函数、多项式核函数、
性映射 ，将数据 映射到高维特征空间F，并在
多层感知核函数、RBF (Radial—Basis—Function)
这个空间进行线性回归，即：
文档评论（0）