混合多个SVR模型的金融时间序列预测

摘要：

基于支持向量回归(SVR)进行金融时间序列预测,使用PSO算法确定SVR超参数,并用实验的方法选择合适的SVR输入向量.为了解决金融时间序列非平稳性导致的单一SVR模型预测精度不稳定的问题,提出一种混合多个SVR模型的预测算法,选取训练数据的不同子集训练出多个SVR模型,采用对多个模型的预测结果加权求和的方法进行预测,各个模型的权重根据其预测误差动态调整.在全球5大股指上的实验表明,该算法的预测能力明显优于单一SVR模型.

关键词：支持向量回归、金融时间序列预测、非平稳性、混合多个模型

所属期刊栏目：29

分类号：TP3(计算技术、计算机技术)

在线出版日期：2013-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-20,23