数据分布可变的股市拐点预测方法

摘要：

文章研究了股市趋势预测中的拐点发现问题,提出一种融合能量特征的支持向量机(support vector machine,SVM)股市拐点预测方法.该方法在原加权支持向量机(weighted support vector machine,W-SVM)模型中引入平衡项得到平衡加权支持向量机(balanced W-SVM,BW-SVM)模型,新模型对历史数据分布和近期局部数据分布进行了融合,平衡项是用历史数据训练所得参数和用当前局部数据训练所得参数的均方误差,利用调节参数 μ对均方误差项进行调节.文章在能体现数据分布变化技术指标的基础上,进一步量化提取拐点的能量特征,并利用马尔可夫毯融合拐点的能量特征,最后将能量特征带入BW-SVM模型,提出基于能量的平衡加权支持向量机(BW-SVM based on energy,EBW-SVM)算法对股市拐点进行预测.实验结果表明,EBW-SVM算法具有良好的性能.

关键词：拐点预测、支持向量机、数据分布、马尔科夫毯、能量计算

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家重点基础研究发展计划973计划资助项目;国家自然科学基金资助项目

在线出版日期：2020-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：45-51