基于改进的FSA—SVM的国际有色金属期货价格预测.pdfVIP

财 经 纵 横 基于改进的FSA—SVM的 国际有色金属期货价格预测 杨建辉 ，戴晓真 (华南理工大学 工商管理学院，广州 510640) 摘 要：对传统鱼群算法进行 了简化，并对其步长和可视域采用 自适应变化策略，利用改进的鱼群算法对 支持向量机训练算法进行优化 ，提 出了基于鱼群优化的支持向量机期货价格预测模型。将改进的模型滚动预 测未来的期货价格，并以伦敦金属交易所3月期三种有色金属品种的El度期货价格作为实证分析。最后将预测 结果与单纯的支持向量机的预测效果相比，结果显示，改进后的模型具有更高的预测精度 ，特别是对金属期货 价格的短期预测效果 良好。 关键词：鱼群算法；支持向量机 ；参数优化；有色金属期货 中图分类号：F830．91 文献标识码：A 文章编号i1002—6487(2013)02—0165—03 m ln 111w112+C左 0 引言 。 + yi[w(·())+≥1一0=1，2…．，f)堤(样本数) 近三十年来，国际有色金属价格大幅震荡。有色金属 ／0 作为重要的工业燃料 ，在 中国经济中占有举足轻重的地 式中，c为惩罚因子， 为松弛变量。 位。有色金属期货价格走势对金属采掘、加工企业及相关 引入 口作为Lagrange乘子向量，其对偶形式为： 上市公司的股票、期货投资者产生直接或间接的影响。对 有色金属期货价格走势的分析预测结果，将直接影响企业 min专∑∑ ajK(x，xj)一∑口 一 f=1，= 1 i一1 和投资者的决策和利益，因此探求有色金属价格走势就显 s．f．2Yaf=0，a≥0， 1…． 得十分必要。本文将支持向量机用于期货预测，为了提高 z=l SVM的预测精度 ，提出基于改进的鱼群算法优化SVM的 最后，通过上述优化问题，决策函数变为： 模型，并运用于国际有色金属期货价格预测。 厂 ] )=sgnI∑Oti*yK(xi，Y)+6 (1) = 1 J 1 支持向量机 在式 …1中，K(zY)为核 函数 ，满足 K(x Y)= (()，())，代替在特征空间中内积 ((-zf)())的计 支持向量机 (SVM)是Vapnik[”等提出的一种基于统计 算。目前经常使用的核函数共有四种形式：线性核函数、 学习理论和结构风险最小化的机器学习算法。SVM可以 多项式核函数、Gauss径 向基核函数 (RBF)、Sigmoid核函 用来解决模式识别问题，用于发现泛化性能好的决策规 数。 则。而随着不敏感损失函数的引入 ，SVM扩展为解决非 本文选择RBF核函数： 线性回归估计 问题的方法，相较于BP神经网络有着显著 K(x，)=eXp(一Ily--37／2，a0． 的优越性。目前，SVM在金融领域的应用主要集中在对时 间序列的预测和分类 】。本文将运用SVM的回归方法做