基于SVR的金融时间序列预测

• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人工智能 预测模型 支持向量回归 金融时间序列 非线性建模
• 年，卷（期）: 2005,（30）
• 所属期刊栏目: 工程与应用
• 页码范围: 221-224
• 页数: 4页
• 分类号: TP181|F830
• 字数: 3676字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.30.070

摘要

介绍了支持向量回归的建模原理及常用版本,详细探讨了利用支持向量回归方法建立金融时间序列预测模型,进行单步预测和多步预测的步骤.将它们应用到我国上证180指数预测中,并且比较了它们的预测性能.数值实验表明,SVR方法对非平稳的金融时间序列具有良好的建模和泛化能力.特别是LS-SVR用等式约束代替传统支持向量机中不等式约束,使求解过程从解QP问题变成解一组等式方程,因此学习速度更快,并具有更好的预测效果.