基于支持向量機和遺傳算法股市預測.pdf

1、近年來，股票市場在我國發(fā)展迅速，已逐步成為金融業(yè)必不可少的組成部分，受到投資者的普遍關注。但是，股票市場是一個極其復雜的動力學系統(tǒng)，高噪聲、非線性和投資者的主觀性等因素決定了股票預測的復雜和困難。本文在分析考察傳統(tǒng)預測分析方法的基礎上，針對當前使用最廣泛地神經網絡存在的不足，建立了一種新的預測方法，對股市進行預測。并與目前應用較多的BP神經網絡預測方法進行了比較，證明了該方法具有比神經網絡預測方法更優(yōu)的預測效果。 本文將支持向量

2、機(SVM)引入股市，利用其結構風險最小化、推廣能力強，能保證找到的極值解就是全局最優(yōu)解等優(yōu)點，克服了以往神經網絡方法存在的易陷入局部最小、推廣能力差、過學習、欠學習等不足。 SVM學習當中，其推廣能力很大依賴于參數(shù)C、ε、和核函數(shù)參數(shù)。參數(shù)的選擇也是SVM學習的重點、難點。本文利用遺傳算法強大的全局搜索能力，使用遺傳算法來對SVM的參數(shù)進行優(yōu)化。 由于股市是一個極其復雜的大系統(tǒng)，難以收斂，導致計算時間較長。本文使用一種

3、類似聚類的方法減少了訓練集規(guī)模，提高了訓練速度，且不影響預測精度。 本文沒有象傳統(tǒng)的預測分析那樣對大盤指數(shù)或開盤、收盤等即時價格進行預測。而是利用移動平均線具有的趨勢性、穩(wěn)定性特點和成熟簡單的分析方法，對周均價進行預測生成移動平均線，為投資者的分析提供了一種新的選擇。 實驗表明，SVM和遺傳算法結合的方法提高模型的推廣能力，對周均價的預測比傳統(tǒng)的方法更具趨勢性。本文的研究表明SVM和遺傳算法在股市預測當中有著良好的前景。