组合模型在股票价格预测中应用研究

摘要：

研究股票价格预测问题,针对股票价格的影响因子之间存在高度冗余、非线性特点,从而导致传统方法预测准确率低的难题,为提高预测精度,提出一种支持向量机(SVM)和自回归(CAR)组合的股票价格预测方法(CAR-SVM).CAR-SVM首先利用SVM对股票价格数据时滞阶数进行确定,然后用SVM对股票价格变化影响因素进行筛选,建立通过交叉验证得到股票价格的CAR-SVM预测模型,并以中兴通讯股票历史数据对CAR-SVM模型进行了验证性实验.实验结果表明,相对于传统的股票预测方法,CAR-SVM模型的预测精度更高,并更能反映股票价格变化的非线性动态规律,在股票价格预测中有着广泛的应用前景.

关键词：支持向量机、股票价格、预测、参数选择

所属期刊栏目：27

分类号：TP391(计算技术、计算机技术)

在线出版日期：2011-04-15（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：361-364