基于支持向量机上证指数预测和分析.docVIP

. . 　　 本文档下载自 HYPERLINK / 文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：  HYPERLINK /doc/21c902dd102de2bhtml /doc/21c902dd102de2bhtml 基于支持向量机的上证指数预测和分析 第３０卷第ｌ期 文章编号：１００６—９３４８（２０１３）０１—０２９７—０４ 计算机仿真 ２０１３年１月 基于支持向量机的上证指数预测和分析 陈海英 （华中农业大学楚天学院，湖北武汉４３０２０５） 摘要：研究上证指数预测问题，针对证券指数变化具有随机性、时变、波动性较大等特点，传统线性预测方法预测精度低等缺陷，提出一种基于支持向量机的证券指数预测方法。支持向量机是一种基于统计学理论和结构风险最小化原则的机器学习方法，克服了类似神经网络经验见险最小化原则算法的过拟合、局部极值等缺陷，泛化能力优异。采用１９９０～２００９年上证指数对算法性能进行测试，仿真结果表明，支持向量机是一种预测精度高、误差小的证券指数预测算法，预测结果可以为用户提供有价值的参考意见。 关键词：上海证券；支持向量回归机；预测；开盘指数中图分类号：ＴＰ３９１ 文献标识码：Ａ ＦｏｒｅｃａｓｔａｎｄＡｎａｌｙｓｉｓｏｆＳｈａｎｇｈａｉＣｏｍｐｏｓｉｔｅＩｎｄｅｘ Ｂａｓｅｄ ｏｎ ＳｕｐｐｏｒｔＶｅｃｔｏｒ Ｃ：ＨＥＮＨａｉ—ｙｉｎｇ Ｍａｃｈｉｎｅｓ （ＣｈｕｔｉａｎＣｏｌｌｅｇｅ，ＨｕａｚｈｏｎｇＡｇｒｉｃｕｌｔｕｒａｌＵｎｉｖｅｒｓｉｔｙ，ＷｕｈａｎＨｕｂｅｉ４３０２０５，Ｃｈｉｎａ） ＡＢＳＴＲＡＣＴ：ＳｔｕｄｙＳｈａｎｇｈａｉｓｔｏｃｋｉｎｄｅｘｆｏｒｅｃａｓｔｉｎｇｐｒｏｂｌｅｍ．Ｔｈｅｓｔｏｃｋｉｎｄｅｘｉｓｓｔｏｃｈａｓｔｉｃ，ｔｉｍｅ～ｖａｒｙｉｎｇ，ａｎｄｗｉｔｈｂｉｇｇｅｒｆｌｕｃｔｕａｔｉｏｎ，ｔｈｅｒｅｆｏｒｅ，ｔｈｅｆｏｒｅｃａｓｔｉｎｇａｃｃｕｒａｃｙｏｆｔｒａｄｉｔｉｏｎａｌｌｉｎｅａｒｍｅｔ???ｏｄｉｓｖｅｒｙｌｏｗ．Ｔｈｉｓｐａｐｅｒｐｕｔｆｒｏｗａｒｄ ａ ｓｔｏｃｋｉｎｄｅｘｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｂａｓｅｄ ｏｎ ｓｕｐｐｏｒｔ ｃａｎ ｖｅｃｔｏ/doc/21c902dd102de2bhtmlｒ ｍａｃｈｉｎｅ．Ｔｈｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｂａｓｅｄ ｏｎ ｓｔａｔｉｓｔｉｃａｌ ａｓ ｔｈｅｏｒｙａｎｄｓｔｒｕｃｔｕｒａｌｒｉｓｋｍｉｎｉｍｉｚａｔｉｏｎｐｒｉｎｃｉｐｌｅ ｏｖｅｒ ｏｖｅｒｃｏｍｅ ｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓｏｆｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ，ｓｕｃｈ ｆｉｔｔｉｎｇａｎｄｌｏｃａｌｏｐｔｉｍａｌｄｅｆｅｃｔｓ，ａｎｄｈａｓｅｘｃｅｌｌｅｎｔｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏ— ｔｏ ｒｌｔｈｍｗａｓｔｅｓｔｅｄｗｉｔｈＳｈａｎｇｈａｉＣｏｍｐｏｓｉｔｅＩｎｄｅｘｆｒｏｍ１９９０ ｔｏｒ ２００９．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｓｕｐｐｏｒｔｖｅｃ— ｃａｎ ｍａｃｈｉｎｅｈａｓｈｉｇｈｅｒｐｒｅｃｉｓｉｏｎ，ｓｍａｌｌｅｒ ａｄｖｉｃｅｆｏｒｕｓｅｒｓ． ｅｒｒｏｒ ｉｎｓｔｏｃｋｉｎｄｅｘｐｒｅｄｉｃｔｉｏｎ，ａｎｄｔｈｅｆｏｒｅｃａｓｔｉｎｇｒｅｓｕｌｔｓｐｒｏｖｉｄｅｖａｌｕ－ ａｂｌｅ ＫＥＹＷＯＲＤ￥：Ｓｈａｎｇｈａｉ ｓｅｃｕｒｉｔｉｅｓ；Ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅｇｒｅｓｓｉｏｎ；Ｆｏｒｅｃａｓｔ；Ｐｒｉｃｅｉｎｄｅｘ １ 引言 证券市场是金融市场中最具魅力的市场，人们从未放弃 点，预测结果可靠性不高∞ｏ。８０年代以来，神经网络算法得到了不断发展，由于神经网络具有自组织、自学习能力，不需要考虑数学模型的内部结构，可以对非线性系统进行无限逼近和拟合，为证券市场预测和分析的深入研究开/doc/21c902dd102de2bhtml拓了新的空问＂Ｊ。然而神经网络自身存在难以克服缺陷，如网络结构复杂、过拟合、泛化能力不强等，证券价格预测结果与期望值之间有一定差距。支持向量机（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ 过从证券买卖中获取高额利润。证券市场不仅直接受到投资者信心和行为影响，同时还受到政治、经济、企业状况和一些重大消息的影响，是一个具有随机性、时变、波动性较大的非线性系统，难以建立精确的数学模型，多年来，人们一直在寻找有效方法试图对证券市场建立精确的预测’１ １。 ｍａｃｈｉｎｅｓ，ＳＶＭ） 多年来，许多学者采用传统回归分析和时间序列方法对证券市场进行了预测和分析，通过证券价格的