基于SVC的证券行情周K线涨跌预测.pdfVIP

第29卷 第 1期 金 陵 科 技 学 院 学 报 VoL29，No．1 2013年3月 JOURNAI，OF皿 ，DGINS11Ⅱ玎．EOF11己cHNOLOGY Mar．。2013 基于SVC的证券行情周K线涨跌预测 王智钢h，王池社h，李广水 ，王蓁蓁 (1．金陵科技学院信息技术学院，江苏 南京 211169；2．江苏省信息分析工程实验室，江苏 南京 211169) 摘 要：线性预测方法难 以描述金融时间序列的非线性特征，神经网络具有非线性逼近能力 ，但会出现 “过学习” 现象，已有研究用SVR对证券行情进行短期预测，因证券短期行情具有一定随机性，预测的正确率和实际意义 并不理想。提出一种基于SVC的证券行情周K线涨跌预测模型 ，该模型仿真实验的综合预测正确率为6O．78 ， 上涨预测正确率为62．5 ，按照模型预测结果进行证券交易的年化收益率可达 1O．72 。 关键词：模式识别；支持向量机；分类；行情预测 中图分类号：TP181 文献标识码：A 文章编号：1672—755X(2013)01—0015—05 TheW eekK．．LineRise．．or．．fallForecastforSecuritiesM arketBasedonSVC WANG Zhi—gang’，W ANG Chi—she’，LIGuang—shui，WANG Zhen—zhen (1．JinlingInstituteofTechnology，Nanjing211169，China； 2．InformationAnalysisEngineeringLaboratoryofJiangsuProvince，Nanjing211169，China) Abstract：ItiSdifficulttodescribethenonlinearcharacteristicsofthefinancialtimeserieswith traditionallinearforecastingmethod．Theneuralnetworkhasnonlinearapproximatingability， buttherewouldbe “over—learning”phenomenon．ResearcheswithSVRhavebeenconductedto predicttheshort—term securitiesmarket，buttheforecastaccuracyanditspracticalsignificance arenotSOgoodbecauseoftherandomnessinshort—term market．Inthispaperakindofweek K—linerise-or—fallforecastingmodelin securitiesmarketbasedonSVC isputforward．The simulationexperimentshowsthatthecomprehensiveaccuracyofthisforecastingmodelis60． 78 ，theriseforecastaccuracyis62．5 ，andtheyearlyincomewillbe10．72 ． Keywords：patternrecognition；supportvectormachine；classification；securitiesmarketfore— cast 证券市场不仅是企业募集资金的重要渠道 ，同时也是社会公众投资的重要手段，日益受到关注和重 视。传统的证券分析方法主要是基本分析和技术分析，而另外一种方法是从数理统计角度对金融时间序列 进行分析研究和预测[1]。 金融时间序列是复杂的非线性动态系统，被认为是非平稳的、混沌的，并且含有大量噪声L2]，传统的线 性预测方法难以描述金融时间序列的非线性特征 。随着非线性科学的发展，人们提出神经网络法。神经网 络具有非线性逼近能力，但是 由于采用经验风险最小化准则 ，会 出现 “过学习”现象，导致模型的泛化能力 受到限制