基于ARIMA与信息粒化SVR组合的股指预测研究1.docxVIP

基于ARIMA与信息粒化SVR组合的股指预测研究

摘要：股指预测一直是金融领域的热门研究课题，对于投资者和决策者来说具有重要意义。本文针对股指预测问题，提出了基于ARIMA（自回归移动平均）模型和信息粒化支持向量回归（SVR）模型相结合的解决方案。通过分析历史股指数据，运用ARIMA模型对趋势进行分析，然后将残差序列作为输入，利用SVR模型进行精细预测。实验结果表明，基于ARIMA与信息粒化SVR组合的股指预测方法具有较高的准确性和稳定性。

1.引言

股指预测一直是金融领域的重要课题，对于投资者和决策者来说具有重要意义。准确的股指预测可以协助投资者制定合理的投资策略，避免投