基于遺傳算法優(yōu)化的馬爾可夫鏈預(yù)測(cè)上證指數(shù)模型的研究.pdf

1、在股票市場(chǎng)不斷發(fā)展的今天，股票投資已成為不少人生活中重要的資本經(jīng)營(yíng)方式。如何準(zhǔn)確地分析、預(yù)測(cè)股市走勢(shì)來(lái)提高投資收益是投資者十分關(guān)注的問(wèn)題。近年來(lái)隨著人工智能技術(shù)的興起，國(guó)內(nèi)外眾多研究學(xué)者對(duì)如何將人工智能技術(shù)應(yīng)用于股票預(yù)測(cè)領(lǐng)域進(jìn)行大量的研究與探索。本文提出一種將遺傳算法（Genetic Algorithm，GA）與馬爾可夫鏈進(jìn)行組合來(lái)分別優(yōu)化徑向基函數(shù)（Radial Basis Function，RBF）神經(jīng)網(wǎng)絡(luò)模型與支持向量機(jī)回歸（Su

2、pport Vector Regression，SVR）模型的新方法，并將優(yōu)化后的組合模型應(yīng)用于對(duì)上證指數(shù)收盤(pán)價(jià)的預(yù)測(cè)中。
　　本文做的工作主要有以下幾方面：
　?、僭敿?xì)論述了國(guó)內(nèi)外學(xué)者對(duì)股票預(yù)測(cè)的研究現(xiàn)狀，并介紹了本文的相關(guān)技術(shù)基礎(chǔ)知識(shí)，為接下來(lái)實(shí)現(xiàn)模型奠定良好的基礎(chǔ)。
　?、诜謩e建立兩個(gè)未經(jīng)優(yōu)化的預(yù)測(cè)模型——RBF神經(jīng)網(wǎng)絡(luò)模型與SVR模型并預(yù)測(cè)上證指數(shù)收盤(pán)價(jià)。兩種模型均選取相同時(shí)間范圍的實(shí)驗(yàn)數(shù)據(jù)作為實(shí)驗(yàn)?zāi)Ｐ偷挠?xùn)練樣

3、本和測(cè)試樣本。
　?、凼褂肎A優(yōu)化過(guò)的馬爾可夫鏈分別對(duì)RBF神經(jīng)網(wǎng)絡(luò)模型與SVR模型預(yù)測(cè)值與真實(shí)值之間的相對(duì)誤差進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，基于 GA優(yōu)化的馬爾可夫鏈的RBF神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度高于基于RBF神經(jīng)網(wǎng)絡(luò)模型與基于馬爾可夫鏈優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)模型，并且基于GA優(yōu)化的馬爾可夫鏈的SVR模型預(yù)測(cè)精度比基于SVR模型與基于馬爾可夫鏈優(yōu)化的SVR模型更高。因此，該組合方法具有可行性與有效性。此外，本文對(duì)兩種組合模型進(jìn)行對(duì)比發(fā)現(xiàn)，