基于SVM及股价趋势股票预测方法研究.docVIP

基于SVM及股价趋势股票预测方法研究 　　摘 要：传统SVM算法对股票的研究主要是在数值上，通过训练后直接得到相应的值。阐述了通过SVM算法预测涨跌后再使用股价趋势获得相应预测值的预测方法。将历史数据输入模型作为训练集，经过SVM算法训练后，再与大盘走势、K线、MACD线、成交量等技术指标进行处理，作出拟合预测。最后通过走势方向准确度、总盈利率等指标，与基于SVM算法的其它预测进行比较，验证该模型的应用成效与可用度，为后续研究提供参考。 　　关键词：股票预测；SVM算法；股价趋势；总盈利率 　　DOI：10.11907/rjdk.172448 　　中图分类号：TP301 　　文献标识码：A 文章编号：1672-7800（2018）004-0042-03 　　Abstract：The traditional study of SVM algorithm on stock market is centered on the numerical value and obtains the corresponding value directly after the training. This paper introduces the prediction method in which corresponding prediction value is obtained by SVM algorithm and the stock price trend is combined into consideration of the prediction of corresponding values.The historical data are inputed into the modelas a training set. The data are then trained by SVM algorithm and dealt with the trend of the market， K line， MACD line， volume and other technical indicators to make aprediction. Finally， the trend direction accuracy， the total profit rate and other indicators and the newest predictions based on SVM algorithm are compared to test the application effectiveness and availability of the model， which makes a reference for the follow-up study. 　　Key Words：stock prediction； SVM algorithm； stock price trend； total profit margin 　　0 引言 　　股票具有?化多、非线性、可控性差等特点，2009年、2015-2016年的股灾更是历历在目，从争先恐后的盲目追高，到诚惶诚恐地一路阴跌，其中不乏一些赚的满盆满钵、买车买房的暴发户，也有亏空跳楼的投资者。正是因为这种复杂多变的风险与收益落差极大的特点，促使许多学者毕生致力于股票研究。 　　股票预测研究方法很多，比较常见的是回归分析、时间序列分析两种方法。这些方法在一定程度上揭示了股票的规律，但在股票预测的稳定性、对大盘涨跌和总盈利率预测上并不理想。支持向量机（SVM）理论是以统计学为基础的统计学习理论（Statistical Learning Theory），对于小样本的快速预测能得到全局最优解。虽然预测效果很大程度上取决于核函数的优劣，但相对于单纯使用ARIMA、贝叶斯等建模难度大、难以收敛、容易陷入局部极小值的模型，SVM还是比较适用的。SVM优秀的泛化能力是其成为最常用的分类器的重要原因。 　　综上考虑，本文决定采用SVM算法套用在神经网络模型上预测上证股价，通过分析本算法以及近期最新的预测算法，进行调整，为后续的股票预测研究打下坚实的基础。 　　1 SVM及相关工作 　　1.1 选股方法 　　选股方法很多，有从价格直接选取估值较低的股票进行分析和买进的，有从交易量看炒股板块热度进行投资的，也有跟着大单买入卖出的，也有看经济新闻买入的。看盘方式形形色色，亏了赚了只有实践才知道。归纳起来有下面3种： 　　（1）基本面。基本面就是股票的整体情况，从该公司的经营理念策略、公司报表、分红以及未来的公司运营方向等考虑，这方面的投资者一半是中长线（超过30日或以上），相当