针对支持向量机的粒子群神经网络集成在股市预测中的应用的分析研究.pdf

基于支持向量机的粒子群神经网络集成在股市预测中的应用研究 摘要 股票市场是一个具有混沌现象的非线性动力系统，其指数的变化趋势 是一种复杂的非线性时序函数，用传统的方法很难给予精确表述，从而影 响对股票指数的预测精度。 本文利用基于支持向量机的粒子群神经网络集成技术，将股票指数函 数拟合成高维核空间的线性回归函数，求出一个满意的全局最优解，提高 股指预测精确度。所用技术方法和成果如下： (1)利用改进的粒子群算法搜索神经网络集成个体的最佳隐节点，解 决个体隐节点个数难于确定的问题。 (2)利用改进的粒子群算法优化神经网络的结构和初始连接权值，尽 量避免神经网络训练陷于局部最优解，训练生成一组神经网络集成个体。 (3)利用主成分分析方法对训练个体降维选取，构造一组彼此正交的、 差异性大的集成个体。 (4)利用非线性支持向量机技术回归集成个体，生成神经网络集成的 输出结论，建立高维核空间的线性回归函数式，求出全局最优解，以此建 立股市预测模型。 (5)将新建立的模型与传统集成方法建立的模型进行多重比较，结果 证明本文的研究是实用和有效的。 关键词：支持向量机粒子群算法神经网络集成主成分分析预测 ASToCKMARKETFoRECASTINGMODELBASED ONSUPPORTVECTORMACHINEEVOLVING PARTICLESWARMoPTIMIZATIONNEURAL NETWORKENSEMBLES ABSTRACT Stockmarketisanonlinear with the eVolution dynamicsystemchaos，and trendofstocki11dexisa nonlineartime complex seriesfIunction． Using traditionalmethodsisdi街cultto it affects representaCcurately，whichprediction ofthestoc_kindex． accuracy Inthis neuralnet、vork p印er，panicle swarm叩timization，optilllizing basedon Vector this tllestock ensembles，issupportmachine．Usillgtec量Ⅱ10logy i】1dex如nctionis矗ttedinto也elillear fIunctioni11 dimension regression mgh kemel a solutioncanbe to space．Thus satisfactoqglobaloptimal gotimproVe andresultsusedareasfollows： predictionaccuracy．Tbchnologies swann