面向股票價格指數(shù)多步預(yù)測的混合模型研究.pdf

1、股票市場是一個復(fù)雜的、進(jìn)化的、非線性的動態(tài)系統(tǒng)，因此股價指數(shù)預(yù)測被認(rèn)為是最具挑戰(zhàn)性的時間序列預(yù)測應(yīng)用領(lǐng)域之一。
　　 近年來，支持向量機(jī)技術(shù)在時間序列預(yù)測應(yīng)用領(lǐng)域取得了很好的效果。支持向量機(jī)從控制學(xué)習(xí)機(jī)器復(fù)雜度的思想出發(fā)，不同于傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)基于經(jīng)驗風(fēng)險最小化原則，提出了結(jié)構(gòu)風(fēng)險最小化原則，力求經(jīng)驗風(fēng)險最小化的同時，希望學(xué)習(xí)模型的推廣性盡可能大。但是，由于股票市場的復(fù)雜性，單一技術(shù)（如支持向量機(jī)）很難完全挖掘出市場信息，采用

2、多個機(jī)器學(xué)習(xí)技術(shù)以構(gòu)建混合模型是解決此問題的一種途徑。
　　 本文構(gòu)建基于支持向量機(jī)、自組織映射神經(jīng)網(wǎng)絡(luò)和粒子群優(yōu)化算法的混合模型以解決股價指數(shù)的多步預(yù)測問題。其中，自組織映射神經(jīng)網(wǎng)絡(luò)自動的根據(jù)數(shù)據(jù)間的相似性對訓(xùn)練數(shù)據(jù)集進(jìn)行聚類；支持向量機(jī)對各類別數(shù)據(jù)集構(gòu)建回歸預(yù)測模型；粒子群優(yōu)化算法用于尋找支持向量機(jī)建模過程中的最優(yōu)超參數(shù)。不同的支持向量機(jī)能夠捕捉股市的不同模式，從而該混合模型能解決股價指數(shù)的波動性問題。本文提出的混合模型采用