基于离散小波分解和支持向量机的股指组合预测被引量：9

下载PDF

导出

摘要文章结合离散小波分解和支持向量机方法对股票指数进行组合预测研究,构建e-SVR支持向量回归机模型和结合离散小波分解的组合模型对2010年3月至2014年9月的沪深300股指收益率进行实验,两种模型分别预测未来6个月的股指收益率后与实际情况对比。结果表明:离散小波分解和支持向量机的组合模型相对支持向量机而言具有较好的逼近能力和泛化能力,能够很好地对股指收益率进行拟合并对未来的股票指数进行预测。

作者严骏宏

机构地区武汉大学经济与管理学院

出处《统计与决策》 CSSCI 北大核心 2017年第3期168-171,共4页 Statistics & Decision

关键词小波分解支持向量机组合预测

分类号 F832.4 [经济管理—金融学]

引文网络
相关文献

参考文献7

1陈伟,李茜,汤伟.基于结构风险最小化原则的径向基函数网络[J].化工自动化及仪表,2009,36(3):34-37. 被引量：3
2张玉川,张作泉.支持向量机在股票价格预测中的应用[J].北京交通大学学报,2007,31(6):73-76. 被引量：15
3戴稳胜,吕奇杰,David Pitt.金融时间序列预测模型——基于离散小波分解与支持向量回归的研究[J].统计与决策,2007,23(14):4-7. 被引量：8
4甘昕艳,张钰玲,潘家英.基于股价指数预测的仿真研究[J].计算机仿真,2010,27(10):297-300. 被引量：9
5肖燕君,张华,任若恩.基于小波多尺度分析的股票价格组合预测方法[J].工业工程,2011,14(6):133-137. 被引量：4
6董辉,傅鹤林,冷伍明.支持向量机的时间序列回归与预测[J].系统仿真学报,2006,18(7):1785-1788. 被引量：63
7刘苏苏,孙立民.支持向量机与RBF神经网络回归性能比较研究[J].计算机工程与设计,2011,32(12):4202-4205. 被引量：42

二级参考文献48

1李盼池,许少华.支持向量机在模式识别中的核函数特性分析[J].计算机工程与设计,2005,26(2):302-304. 被引量：98
2刘向东,骆斌,陈兆乾.支持向量机最优模型选择的研究[J].计算机研究与发展,2005,42(4):576-581. 被引量：49
3陈果.神经网络模型的预测精度影响因素分析及其优化[J].模式识别与人工智能,2005,18(5):528-534. 被引量：40
4李志明,孔令富.用于回归估计的支持向量机[J].广西科学院学报,2005,21(4):215-218. 被引量：1
5侯守国,张世英.基于小波分析的股市高频互相关研究[J].中国管理科学,2006,14(3):1-6. 被引量：14
6叶健,葛临东,吴月娴.一种优化的RBF神经网络在调制识别中的应用[J].自动化学报,2007,33(6):652-654. 被引量：32
7蒋宗礼.人工神经网络[M].北京:高等教育出版社,2001.
8VAPNIK V N.The Nature of Statistical Learning Theory[M].New York:Wiley Springer,1999.
9VAPNIK V N.An Overview of Statistical Learning Theory[J].IEEE,Transactions on Neural Networks,1999,10 (5):988-999.
10Chang P C, Liu C H. A TSK type fuzzy rule based system for stock price prediction [ J ]. Expert Systems with Applications,2008,34( 1 ) :135-144.