基于PCA-FOA-SVR的股票价格预测研究

摘要：

研究股票价格预测问题,针对影响股票价格因素多存在数据冗余,传统方法无法消除数据冗余,准确稳定预测股价非线性变化.为提高预测精度,在传统的支持向量机回归(Support vector regression,SVR)方法的基础上引入主成分分析(Principal component analysis,PCA)和果蝇算法(Fruit fly optimization algorithm,FOA),提出了一种PCA-FOA-SVR的股票价格预测方法.首先利用PCA对影响股票价格的因素进行分析降维,消除冗余信息,然后用果蝇算法优化SVR的参数,利用优化后的SVR对非线性变化的股票价格建模预测.最后利用PCA-FOA-SVR模型对宁沪高速(600377)股票价格数据进行仿真实验.实验结果表明:与传统的BP和SVR相比,PCA-FOA-SVR模型在股票价格预测中进一步减小了预测误差,有更高的预测精度,是一种有效可行的股票价格预测方法.

关键词：主成分分析、支持向量回归机、果蝇优化算法、股票价格预测

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学专项基金项目61340058;浙江省自然科学基金重点项目LZ14F020001

在线出版日期：2016-08-01（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：399-404