最优组合模型在证券市场预测中的应用研究

摘要：

研究证券市场预测中的股票价格预测精度问题,股票价格受到政治、经济、投资者心理等多种因素影响,股票价格波动较大,系统具有非线性复杂变化规律,单一预测模型只能反映股票价格变化时段信息,预测精度比较低.为了提高股票价格预测精度,提出一种组合模型的股票价格预测方法.首先分别采用ARIMA、GM、RBF神经网络对股票价格进行预测,然后通过权重值获得最优组合预测模型进行股票价格预测.结果表明,组合预测模型提高了股票价格预测精度,降低了预测误差,克服了单一预测模型在股票价格预测中的缺陷,为股票价格等非线性系统准确性预测提供了参考依据.

关键词：股票价格、神经网络、支持向量机、灰色关联模型

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

在线出版日期：2012-04-27（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：356-359