基于信噪比的KPCA-SVM-KNN算法的股价预测研究

摘要：

为了降低股价趋势中所含的噪声信息和输入变量的相关性对股价预测的影响,构造信噪比(SNR)特征向量,从而提出基于信噪比的KPCA-SVM-KNN的股价预测模型,并借用国内A股市场的股票价格相关数据进行实证分析,结果表明:1)SNR特征向量的加入可以提高股票分类准确率,进而增加股价预测精度;2)与现有的SVM-KNN算法相比,所提出的KPCA-SVM-KNN算法可以提高股价预测准确度,减少预测误差,从而为决策者的投资决策提供帮助.

关键词：核主成分分析、支持向量机、K邻近算法、信噪比、股票价格

所属期刊栏目：50

分类号：F224(经济计算、经济数学方法)

资助基金：国家自然科学基金;广东省自然科学基金杰出青年项目;中央高校科研基本业务费重点项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：685-690