一种改进的SVM算法及其在股票指数预测中的应用

• 作者: 郭辉
• 来源期刊: 重庆科技学院学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 股票指数 核函数 动态选择
• 年，卷（期）: 2008,（2）
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP301
• 字数: 3157字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1980.2008.02.017

摘要

研究股票数据的特点,根据传统的SVM算法原理,提出一种更新的动态预测模型(DMDI)对股市的大盘和个股的指数分别进行中短期预测.大量的数值实验结果表明,改进的支持向量机算法比单纯直接用支持向量机对股票指数的预测更为有效.具有明显的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭辉		13	46	3.0	6.0