【摘 要】
:
股票指数的预测是一个受多因素影响,指数动态波动的非线性复杂系统。股票指数的准确预测能够为证券投资决策提供参考依据。伴随着计算机软硬件系统的发展,机器学习方法越来越
论文部分内容阅读
股票指数的预测是一个受多因素影响,指数动态波动的非线性复杂系统。股票指数的准确预测能够为证券投资决策提供参考依据。伴随着计算机软硬件系统的发展,机器学习方法越来越多被应用到社会发展的各个行业。在股票指数预测方面,当前预测方法已逐步从传统统计分析方法向人工智能分析方法进行转变。本文应用小波分析对沪深300指数的开盘价进行重构分解替换原样本数据中的开盘价,构建两个不同的样本数据,采用支持向量机回归(SVR)模型预测了沪深300指数的开盘价,SVR模型参数的优选通过网格搜索法(GRID)、粒子群算法(PSO)和遗传算法(GA)来调试。结果表明,基于原样本数据建立的三种支持向量机预测模型均能全面反映股票指数的时变规律,并具有较高的预测精度。其中,遗传算法-支持向量机回归(GA-SVR)模型得到最小均方根误差(RMSE)为14.730,最小平均绝对百分比误差(MAPE)为0.375%。在此基础上,根据沪深300指数的开盘价走势,将SVR建模数据分成平稳段市场、涨跌段市场和波动段市场,分别对分段样本进行支持向量机回归预测,通过比较模型预测结果优选每个分段样本的最优模型。平稳市场的预测结果分析中,网格搜索法-支持向量机回归(GRID-SVR)模型的预测精度最高,其RMSE为5.650,MAPE是0.197%。涨跌市场的预测结果表明,基于含小波分解重构序列的样本数据建立的网格搜索法-支持向量机回归(WT-GRID-SVR)模型预测表现最好,(RMSE,MAPE)的值分别为(20.727,0.435%)。基于含小波分解重构序列的样本数据建立的粒子群算法-支持向量机回归(WT-PSO-SVR)在波动市场的预测中表现出最佳的预测性能,其(RMSE,MAPE)的值分别是(13.148,0.322%)。本文的实证结果表明,SVR模型能有效预测沪深300指数第二天开盘价。而在涨跌市场和波动市场中,样本数据经小波分解重构后能够明显提升SVR模型的预测精度。
其他文献
目的:观察“传统针刺方法加刺膈俞穴”治疗老年性失眠的有效性,并观察其疗效是否优于传统针刺方法。方法:运用随机分组的方法将老年失眠患者60例分为两组,即治疗组与对照组,
扭矩作为最能够反映一个系统性能的物理量之一,无论是在汽车制造领域还是在航空航天领域以及铁路运输领域都扮演着重要的角色。扭矩既是旋转机械装置动力输出的重要指标之一,
P2P(Peer-to-Peer)网络借贷是一种资金借贷双方在没有金融中介机构参与的情况下直接进行借贷活动的新兴市场,是互联网金融快速发展的产物。由于P2P网络借贷具有门槛低、操作
入射信号的频率和波达方向在雷达、无线通信系统、电子战等被动目标感知领域中是至关重要的两个物理参量。并且这两个物理量的估计困难程度会随着入射信号频率的升高而逐步增
压型钢板的传湿隔绝作用使组合板中的湿度单向传导,收缩应变沿截面高度分布不均匀,产生附加曲率,从而增大板件长期挠度与压型钢板长期应力;还会显著增大连续组合板负弯矩区弯
近年来我国宏观经济金融环境发生改变,以货币供应量为中间目标的数量型货币政策已渐渐失效,货币政策正在向以利率为中间目标的价格型调控方式转型。然而,该转型仍然任重道远
在电磁轨道炮发射过程中,枢轨相对运动产生的摩擦磨损会引起接触表面材料的缺失,造成枢轨间的接触压力不足,从而导致接触表面起弧现象甚至发生转捩。并且,随着电磁轨道炮技术
在CPI栈理论的处理器性能解析模型中,稳态吞吐率模型和访存并发度模型需要基于滑动指令窗口的分析方法。现阶段无论是基于单指令还是整窗口的滑动策略都是以重排序缓存(Reorder Buffer,ROB)的大小作为指令窗口的大小来进行的。然而根据本文的实验观测,ROB在绝大多数时间都处于较低水平的充满状态。因此,以ROB大小作为指令窗口大小本质上是一种近似,这会对后续的稳态吞吐率模型和访存并发度模型精度
近年来,互联网金融发展迅速,给人们的生活带来了更加方便和快捷的影响,它不仅对线下金融业务做了补充,也成为了线上金融业务的创新渠道。众筹模式作为互联网金融的一种,筹资
自改革开放后,我国经济整体上保持长期的高速增长,但同时也为此付出了沉重的代价。产业结构失衡、资源匮乏及生态污染等经济增长质量问题不断浮现。在我国经济新常态下,经济增长速度需要由原先的高速转变为中高速,将原有的速度型增长模式转化为质量型增长模式,从要素、投资驱动发展转向创新驱动发展,经济增长过程应注重增长质量和可持续发展问题。本文首先对国内外关于经济增长质量理论、评价指标体系及研究方法的相关文献进行