基于支持向量机的股票价格预测算法研究及应用

• 作 者: 冯华萍
• 出 处: 西安理工大学
• 发表日期: 2016年期
• 关键词: 支持向量机 股票价格预测 归一化 数据特征 核函数

随着股票市场的蓬勃发展,越来越多的人开始了解股市,并选择将股票投资作为一种理财方式。股票投资者期望获得相对风险较小的投资建议,在做投资决策时得到一些参考性的建议和帮助。目前国内外已有部分学者对股票市场进行了预测研究,包括对整个股市的行情预测、对股票价格涨跌预测等等。本文对个股股票价格的预测模型和方法进行了研究,课题研究具有一定的理论意义和应用前景。本文以上海证券交易所的股票交易作为课题的研究对象,利用支持向量机进行了未来交易日的股票价格预测算法的应用研究。首先,基于股票价格预测问题设计了两种不同的模型参数选择方案,构建了基于支持向量机的股票价格预测模型,对于股票未来交易日的收盘价进行预测。在训练模型之前,对股票价格历史数据进行归一化处理,以发现不同的归一化取值范围对股票预测价格的影响。考虑不同的数据特征组合在股票价格预测时表现出不同的预测结果,以及不同数据特征之间的相关性,在选取训练模型所需的数据特征过程中采用了排列组合法的特征筛选方式,将数据特征按照从少到多的顺序进行排列组合。在对个股进行有针对性的模型训练时,采用不同的核函数,对不同股票预测价格与真实价格进行对比分析,选择出适合于个股股票预测的核函数及模型参数。最后,通过组合式参数选择法针对个股选择出最适合其建模的条件组合,并利用这些参数建模,以期在股票价格预测中能以一定程度逼近真实的股票价格,为投资者提供获取更多利润的价格参考。股票价格预测问题涉及到复杂非线性问题的建模。在建模过程中,任何不可预测的因素都可能对模型产生一定的影响。本文主要从股票市场的变化中提取关键的特征和影响因素对该问题进行建模分析,并采用合适的模型参数选择方案提高股票价格预测的准确率,从而为股票投资者提供可参考的投资建议。