基于加权支持向量机的金融时间序列预测.pdfVIP

2010／01 总第393期 商业研 究 文章编号：1001—148X (2010)01—0138-03 基于加权支葛向量柳昀金禽时间序列预测 吴 江，李太勇 (西南财经大学 经济信息工程学院，成都 610074) 摘要：金融时间序列数据的预测是商业领域的热点问题，对金融时间序 列进行准确的预测 ，对 金融投资决策与风险管理具有特别重要 的意义。针对金融时间序列的特 点，对传统支持向量机 进行了改进 ，提 出了基于加权支持 向量机的金融时间序列预测方法。研 究表明，与传统金融时 间序列预测方法比较，基于加权支持向量机有效地提 高了金融时间序列预测的精度。 关键词：商业领域；金融时间序列预测 ；支持向量机 中图分类号 ： 24．9 文献标识码：A FinancialTimeSeriesForecastingBasedon W eightedSupportVectorMachine WU Jiang。LITai—yong (SchoolofEconomicInformationEngineering，SouthwestUnive~ityofFinanceandEconomics， Chengdu610074。China) Abstract：Theforecastingoffinancetimeseriesdataishotspotinbusinessfields．Preciseforecastingonfinancialtime serieshasparticularimportanceonfinancialinvestmentdecision～makingandriskmanagement．Inview of characteris— ticsof financial timeseries，thepaperimprovestraditional supportvectormachine，andproposesfinancial timeseries forecastingmethodsbasedonweighted supportvectormachine．Studiesshow thatcompraedwithtraditional financial timeseriesforecastingmethod ，weightedsupportvectormachines—basedeffectivelyimprovestheaccuracyoffinancial timeseriesforecasting． Keywords：business；financialtimeseriesforecasting；supportvectormachine 金融市场是 国家经济运行的核心，探求金融 度依赖设计技巧。支持向量机 (Suppo~VectorMa— 市场的变化规律、进行有效的金融管理 、提 高金融 chines，SVM)是一种 以结构风险最小化原理为基 投资效率是各 国政府与投资机构孜孜 以求的 目标 础的新方法。因此，具有其它以经验风险最小化原 之一。金融数据绝大 多数是时间序列 (TimeSe— 理为基础的方法难 以比拟的优越性，能够保证得 ties)数据，因此 ，对金融时间序列进行准确的预 到的极值解是全局最优解。本文针对金融时间序 测对金融投资决策与风险管理活动具有特别重要 列的特点 ，提出了一种改进 的加权支持向量机 回 的意义 。 归算法用于金融时间序列的建模 。实验结果表明， 传统的金融时间序列预测技术包括统计 回归、 该方法有效地提高了金融时间序列预测的精度。 神经网络等方法。统计 回归建模方法要求时间序 一 、 支持向量机回归理论 列具有平稳性 、正态性 、独立性，不适用于复杂时 间序列。