文档介绍：摘要西南交通大学硕士研究生学位论文’股票市场预测是一个小样本,复杂系统分析预测的问题,本文将统计学习理论引入该领域,结合混沌时间序列分析方法,进行了一些探讨,介绍了基于的变体一一最小二乘法支持向量机工具甅,此工具运行环境为软件。为了保证甅处理数据的准确性,本文对此工具的预测细的分析,我们对它进行了改进。最后,使用改进后的工具对金融时间序列数主要研究内容与结论如下:研究支持向量机的数学模型,从理论上分析支持向量机在小子样数据处理中的优势,并指出支持向量机在实际运用中的缺陷。行分析。在研究甅的基本框架和算法流程的基础上,对预测和拟合效留一交叉验证的原理出发,提出一种改进的参数优化方法,先对参数所在区域进行搜索,使搜索参数区域逐步精确缩小,然后再对参数进行优化选择。实例具对时间序列进行预测,建立时间序列预测模型。综上所述,本文提出了一种可行的时间序列分析方法,讨论了参数如何进行优化,将其应用于上证指数的关键词:统计学习理论支持向量机时间序列参数优化第统计学习理论的支持向量机方法。在实际运用中,我们选择了标准支持向量机和拟合性能进行了验证,发现本工具的问题主要是预测的结果不理想,通过详据进行处理,得到了较好的结果。采用一种支持向量机的进化工具“最乘支持向量机甅”对数据进果进行测试,发现参数选择是影响其预测效果的主要因素。本文从网格搜索和证明改进的方法提高了甅工具预测的准确性。用改进的甅工预测,取得了一定的效果
】Ⅵ⋯·甅,甅’,甿’瑃.,瓼,。;,甀.,.瓵..猳,:;
学位做作者躲缰赴叶闵仝洲.,≯·、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于C芸冢年解密后适用本授权书;朐谝陨戏娇蚰诖颉啊日期:
帷凇ぁ西南交通大学学位论文创新性声明ィ≥本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。本学位论文的主要创新点在于:通过对脑げ夂湍夂闲阅芙辛搜橹ぃ⑾直竟ぞ叩奈侍庵饕J预测的结果不理想,通过详细的分析,指出了参数选择对性能的影响很大。提出了一种参数改进的方法。最后,使用改进后的工具对金融时间序列数据进行处理,得到了一定的效果。学位论文作者签名:日期:
第绪论选题背景与意义相互作用是非线性和时变的。因此,人们很难建立完整的描述市场的模型。但期内系统运动轨道发散较小,从而利用观测资料进行短期预报是可行的。因此西南交通大学硕士研究生学位论文股票市场,具有高收益和高风险,而且是一个复杂的非线性系统,不仅影响市场的因素众多,如国家政策、经济状况、投资者心理等,而且它们之间的是股票价格序列是市场上各种影响因素相互作用的结果,如果将它看作系统的输出,可以在一些程度上缓解无法建立市场动力方程的遗憾。从另一方面来看,数据预测一直在金融投资领域占有重要地位,而股票预测是金融数据中最复杂的数据类型之一,对于股票未来价格的精确预测是非常困难的,因此股市预测被认为是当前时间序列预测中最富挑战性的应用之一。经济学家一直致力于研究股票市场价格的变化,希望能从中找出一些规律,避免大的股市波动等情况的发生,从而保持经济繁荣稳定推渚美胬纯矗硇缘耐蹲收咦苁窍望规避风险,同时追求较高的收益,因此股票价格或趋势的预测己经成为金融领域的热点。上世纪末,经济学家从各种有代表性的宏观经济指数中捕捉到了经济混沌存在的普遍证据,股票价格时间序列被证明是含有很强噪音的混沌时间序列。虽然混沌系统对初始条件的敏感性使得长期预测是不可能的,但短时许多预测混沌时间序列的新技术被应用于股价序列的分析。目前,对股票市场这一混沌系统的预测和分析方法有很多,包括全局预测法,局域预测法和非线性预测法等。值得注意的是,随着人工智能技术的发展,许多智能领域的技术被用于股票时间序列的预测。其中一个代表就是人工神经网络珹腔贏的预测需要大量的数据,其网络结构和参数选取较重地依赖于经验,并且存在过学习、易陷入局部最小等缺点,这就容易导致过学习,而且训练速度也慢,限制了它在股票市场建模方面的应用。而等学者提出的支持向量机算法是近年来发展迅速的机器学习理论,它已经成功地被应用在时间序列的预测上,为股票市场建模提供了一个突破口。基于结构风险最小化的惴ǎ适用