摘要
使用机器学习算法建立模型对实际经济问题进行预测分析,是近年来一个研究热点。传统的预测模型使用支持向量机(SVM)并结合一些传统降维算法和参数寻优算法来构建,先用降维算法对样本进行降维,避免样本特征指标相关性高,再通过支持向量机对样本进行机器学习来进行回归预测,而向量机中核参数的寻优则用参数寻优算法来完成。文章引入更为前沿的算法,使用等距特征映射(Isomap)进行降维,人工蜂群算法(ABC)进行参数寻优,相关向量机(RVM)进行回归预测,构建Isomap-ABC-RVM模型并对沪深300指数进行预测分析。实证分析表明Isomap-ABC-RVM具有良好的预测精度,为股指预测提供了新方法。
出处
《统计与决策》
CSSCI
北大核心
2015年第16期28-32,共5页
Statistics & Decision
