基于改进GA参数优化的SVR股价预测模型①.PDF

2015 年 第 24 卷 第 9 期 计 算 机 系 统 应 用 基于改进 GA 参数优化的 SVR 股价预测模型① 孙秋韵, 刘金清, 刘 引, 吴庆祥 (福建师范大学 光电与信息工程学院, 福州 350007) 摘 要: 针对股票价格的动态性及非线性等特点, 提出了基于改进遗传算法(Genetic Algorithm, GA)优化参数的 支持向量回归机(Support Vector Regression, SVR)股价预测模型. 首先将选取的股票价格样本进行小波去噪处理, 然后将经过改进 GA 优化参数的 SVR 模型对去噪后的数据进行预测及评价. 结果证明, 改进小波-GA-SVR 模型 具有良好的预测效果, 对股票价格的预测研究具有一定的意义. 关键词: 小波去噪; 遗传算法; 支持向量机回归; 股价预测 Stock Price Prediction Model Based on SVR with Parameters Optimized by Improved GA QIU Yun-Sun, LIU Jin-Qing, LIU Yin, WU Qing-Xiang (College of Photonic and Electronic Engineering, Fujian Normal University, Fuzhou 350007, China) Abstract: Aiming to the dynamics and nonlinearities of stock price, a stock price prediction model that based on support vector regression (SVR) with parameters optimized by improved genetic algorithm (GA) was proposed. First, the wavelet was used to de-noise the samples of stock price. Then the SVR model whose parameters were optimized by improved GA was utilized to predict and assess the data de-noised by wavelet. The result demonstrated that the improved wavelet-GA-SVR model has good prediction effect, and it is significant to the study of the prediction of stock price. Key words: wavelet denoising; genetic algorithm (GA); support vector regression(SVR); stock price prediction 股票价格的数据预测系统是一个动态、非线性的系 而Vapnik 基于结构风险最小化原则提出的支持向量机 统. 影响股票价格的因素不胜枚举, 价格波动的变化也 (Support Vector Machine, SVM)作为一种新型神经网络 [5] 显得异常复杂. 因此, 如何有效地进行股票价格的预测, 因具有全局最优解, 从而能较好地解决了这一问题 . 最大程度的规避股票风险, 成为当今国内外学者的研 基于 SVM 衍生的支持向量回归机(Support Vector 究方向. 目前, 常见的股票价格的预测方法有文献[1]利 Regression, SVR)主要是通过空间升维后, 在高维空间 用 K 线图法分析股票市场