基于遺傳算法優(yōu)化的馬爾可夫鏈預測上證指數(shù)模型的研究.pdf

1、在股票市場不斷發(fā)展的今天，股票投資已成為不少人生活中重要的資本經(jīng)營方式。如何準確地分析、預測股市走勢來提高投資收益是投資者十分關注的問題。近年來隨著人工智能技術的興起，國內(nèi)外眾多研究學者對如何將人工智能技術應用于股票預測領域進行大量的研究與探索。本文提出一種將遺傳算法（Genetic Algorithm，GA）與馬爾可夫鏈進行組合來分別優(yōu)化徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡模型與支持向量機回歸（Su

2、pport Vector Regression，SVR）模型的新方法，并將優(yōu)化后的組合模型應用于對上證指數(shù)收盤價的預測中。
　　本文做的工作主要有以下幾方面：
　?、僭敿氄撌隽藝鴥?nèi)外學者對股票預測的研究現(xiàn)狀，并介紹了本文的相關技術基礎知識，為接下來實現(xiàn)模型奠定良好的基礎。
　?、诜謩e建立兩個未經(jīng)優(yōu)化的預測模型——RBF神經(jīng)網(wǎng)絡模型與SVR模型并預測上證指數(shù)收盤價。兩種模型均選取相同時間范圍的實驗數(shù)據(jù)作為實驗模型的訓練樣

3、本和測試樣本。
　?、凼褂肎A優(yōu)化過的馬爾可夫鏈分別對RBF神經(jīng)網(wǎng)絡模型與SVR模型預測值與真實值之間的相對誤差進行修正。實驗結果表明，基于 GA優(yōu)化的馬爾可夫鏈的RBF神經(jīng)網(wǎng)絡模型預測精度高于基于RBF神經(jīng)網(wǎng)絡模型與基于馬爾可夫鏈優(yōu)化的RBF神經(jīng)網(wǎng)絡模型，并且基于GA優(yōu)化的馬爾可夫鏈的SVR模型預測精度比基于SVR模型與基于馬爾可夫鏈優(yōu)化的SVR模型更高。因此，該組合方法具有可行性與有效性。此外，本文對兩種組合模型進行對比發(fā)現(xiàn)，