基于支持向量机金融时间序列预测.pdfVIP

　第 14 卷 第 2 期 系 统 工 程 理 论 方 法 应 用 V o l. 14 N o. 2　 　2005 年 4 月 SYST EM S EN G IN EER IN G- TH EOR Y M ETHODOLO GY A PPL ICA T ION S A p r. 2005　 　　文章编号:(2005) 基于支持向量机的金融时间序列预测 杨一文, 　杨朝军 (上海交通大学 安泰管理学院 证券金融研究所, 上海 200052) 【摘要】基于数据的机器学习就是由观测样本数据得出目前尚不能通过原理分析得到的规律, 利用其对 未来数据进行预测。神经网络以其优越的函数逼近性能广泛用于建立时间序列过去与未来数据之间某种确 定的映射关系, 实现预测。首先分析了以经验风险最小化为准则的神经网络的局限性, 以及针对此提出的结 构风险最小化准则的优点; 其次引出支持向量机; 最后利用支持向量机对上海证券综合指数序列趋势做较准 确的多步预测。 关键词: 时间序列预测; 支持向量机; 证券市场 中图分类号: T P 183; F 830　　　文献标识码: A F inanc ial Tim e Ser ies Forecasting Based on Support Vector M ach ine , 　 YA N G Y i w en YA N G Z hao jun (Secu rity Investm en t R esearch In stitu te, A n tai Schoo l of M anagem en tm , Shanghai J iao tong U n iv. , Shanghai 200052, Ch ina) 【 】 , Abs tra c t O ne of pu rpo ses of data driven m ach ine learn ing is to find ou t the regu larities w h ich can’t be discovered w ith p rincip le analysis, to fo recast the fu tu re data. W ith excellen t ab ility of function app rox i m ation , neu ral netw o rk s are w idely u sed to develop the m ap betw een be past and the fu tu re data to carry . , ou t the p rediction s F irst w e analyze the sho rtcom ings of the neu ral netw o rk s based on the ru le of em p iri cal risk m in im ization (ERM ) , and in troduce the ru le of structu ral risk m in im ization (SRM ) to overcom e the sho rtcom ings of ERM . Second, vecto r suppo rt m ach ine (SVM ) , an algo ri