基于支持向量機(jī)的滬深300指數(shù)預(yù)測(cè)研究.pdf

1、上海師范大學(xué)學(xué)位論文原創(chuàng)性聲明上海師范大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：我恪守學(xué)術(shù)道德，崇尚嚴(yán)謹(jǐn)學(xué)風(fēng)。所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中己明確注明和引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫過(guò)的作品及成果的內(nèi)容。論文為本人親自撰寫，我對(duì)所寫的內(nèi)容負(fù)責(zé)，并完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。論文作者簽名：糊撕≯竹年鄉(xiāng)月叫El上海師范大學(xué)學(xué)位論文中文摘要摘要股票市場(chǎng)是極其復(fù)雜的非

2、線性動(dòng)力學(xué)系統(tǒng)，由于諸多因素影響其中，使得其價(jià)格波動(dòng)的預(yù)測(cè)異常困難。國(guó)內(nèi)外對(duì)于股票價(jià)格波動(dòng)預(yù)測(cè)的模型有很多種，依據(jù)預(yù)測(cè)方法出現(xiàn)的先后大體可以分成三個(gè)階段，第一個(gè)是結(jié)構(gòu)計(jì)量模型階段，第二個(gè)是時(shí)間序列分析階段，第三個(gè)是智能預(yù)測(cè)階段。由于股票的非線性，傳統(tǒng)的結(jié)構(gòu)計(jì)量模型和時(shí)間序列很難進(jìn)行預(yù)測(cè)。所以，本文采用智能預(yù)測(cè)的方法。神經(jīng)網(wǎng)絡(luò)模型是智能預(yù)測(cè)的主要代表，它不需要建立所要研究的問(wèn)題的精確邏輯和數(shù)學(xué)模型，而是模仿人腦的思維方式構(gòu)造神經(jīng)網(wǎng)絡(luò)算法，

3、只要直接輸入數(shù)據(jù)就可以得到結(jié)果，但是神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)是容易過(guò)擬合和得到局部最優(yōu)解。本文將主成分分析和s一支持向量回歸機(jī)模型結(jié)合運(yùn)用于滬深300指數(shù)的預(yù)測(cè)當(dāng)中，可以很好的克服神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)。本文首先介紹了主成分分析理論和支持向量機(jī)理論，通過(guò)占一不敏感損失函數(shù)的引入，構(gòu)建了基于主成分分析和占一支持向量回歸機(jī)股市預(yù)測(cè)模型。然后分析影響股市的諸多因素，并選取滬深300指數(shù)一段時(shí)間內(nèi)的真實(shí)數(shù)據(jù)，進(jìn)行完主成分分析前期數(shù)據(jù)處理之后，運(yùn)行LIBSVM軟件