论文部分内容阅读
为了提高股票价格的预测精度,针对股票价格数据的非平稳非线性的特性,本文运用改进的PSO 实现LSSVM的核参数和惩罚系数自适应选择,提出一种SAPSO 优化LSSVM 股价预测模型,并以此进行实证分析.通过基于SAPSO-LSSVM 算法的1 步、3 步、5 步和7 步预测结果和不同模型的预测时间和预测均方误差的对比结果可知,SAPSO-LSSVM 股价预测模型具有预测精度高,预测时间短的优点,同时能够实现预测参数的自适应选择.