基于支持向量机(SVM)的股市预测方法.pdfVIP

维普资讯 基于支持向量机(SVM) 的股市预测方法 施燕杰 (上海财经大学，上海 200439) 摘 要：本文对先有 al工具比较分析的基础上，提出了基于支持向量机的股市预测方法，并建 立了数学模型对新疆众和进行了实证研究。结果表明，支持向量机比神经网络有更好的学习和泛化 能力，在股市预测中取得了较好的效果。 关键词：支持向量机；建模；预测；股票市场 中图分类号：C32 文献标识码：A 文章编号：1002—6487(2005)02—0123—03 理的情况下，对股票市场进行预测。神经网络为我们提供了 1 支 持 向量 机 (SVM) 一 种解决股市预测问题的新思路、新方法。诚然，国内已有数 位学者使用神经网络预测股市，但是神经网络也存在有以下 1．1 预 测方法比较 缺陷：网络结构需要事先指定或应用启发式算法在训练过程 在预测问题上，现代的科学预测方法发展迅速，其中现 中寻找；网络权系数的调整和初始化方法并没有理论指导； 阶段用的比较多的有模糊数学法和神经网络技术。模糊数学 神经网络训练过程易陷入局部极小点；神经网络存在过学习 是一种表现和加工模糊信息的数学工具，该方法有很多优越 (over-fitting)的问题等等。 性，但它最终还是要通过建立数学模型来解决问题，而股市 包括神经网络在内的许多优秀学习方法实际表现可能 的影响因素太多，彻底弄清股市的变化机理从而建立数学模 不尽人意，其原因是由于理论基础是传统的统计学，它是训 型十分困难。同时，采用模糊数学方法预测股市也不能避免 练样本数 目趋于无穷大时刻的渐近理论，但是在现实的问题 存在主观性的不足。 当中，样本数目不可能是无穷多的，有时甚至十分有限的，而 由于模糊数学方法的这些不足，近年来，神经网络已被 支持向量机的理论基础则是统计学习理论(StatisticalLearn． 用于学习及预测没有明确模型的股市预测问题。与传统方法 ingTheory，SLT)，其为解决有限样本学习问题提供了一个统 相比，神经网络技术表现出更好的性能和效率。通过学习历 一 的框架，它能将很多现有方法纳入其中，解决了许多原来 史数据，神经网络可以在没有特别专家指导、不使用任何原 难以解决的问题，以下将进行详细的比较和分析。 量是相当大的。因此人们设计了隐枚举法与匈牙利法专门求 m ax ： ∑c 解0-1规划问题，特别是随着Lindo、Lindg等语言的开发，使 O-1整数规划的求解变得异常简单，使0—1规划在商业、工 j．bao：1，2，…n) 业、研究和政府等决策领域得到广泛的应用。 ．：0，1 (i：l，2，…，n) 参考文献： 4 结 束 语 l【】邓成梁．运筹学的原理和方法M【】．武汉：华中科技大学出版社， 20o1． 2【1L．R．Foulds．Optimization