基于优化参数的LS-SVM模型的股票价格时间序列预测

摘要：

为有效预测股票数据,提高投资者的股市投资能力,降低投资风险,提出一种基于优化机器学习方法的股价时间序列预测方法.对股票序列进行了主成分分析,提取累积贡献率大于95%的主成分作为输入变量,并对比了优化核函数宽度g和正则化参数γ后的LS-SVM和SVM模型的预测效果.运用的支持向量机技术经遗传算法优化参数后,降低了预测的均方误差,提高了预测效果和效率,较其他非线性预测方法,具有泛化能力好、鲁棒性强、预测精度高等优点.最后给出了实证结果分析和研究结论,对有效预测股票数据有一定现实指导意义.

关键词：遗传算法、LS-SVM模型、股票时间序列、参数优化

所属期刊栏目：41

分类号：O213(概率论与数理统计)

资助基金：国家自然科学基金11271151

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：131-133,138