基于SVM的多变量股市时间序列预测研究

• 作者: 何艳珊 宋伟国 岳敏 穆进超 金桃 陈毅
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 支持向量机 回归 多变量 交叉验证 并行
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 191-194,209
• 分类号: TP3
• 字数: 5270字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2010.06.061

摘要

目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高.提出采用基于支持向量机SVM(Support Vector Machines)的多变量股市时间序列预测算法,来提高预测准确度.SVM训练算法中,合适的参数可以使训练模型具有更好泛化能力.交叉验证具有指导参数选择的能力,然而考虑到交叉验证算法效率不高的问题,将其并行化,既达到了参数优选的目的,又避免了传统交叉验证效率低的问题.然后,根据较优参数建立多变量SVM时间序列回归预测模型,进行预测.实验证明,预测平均绝对百分比误差控制在10%以内,并且较之单变量的SVM回归预测有更好的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金桃	吉林广播电视大学教学处理工系	5	33	3.0	5.0
2	宋伟国	兰州大学计算机科学与工程学院	6	28	3.0	5.0
3	何艳珊	兰州大学计算机科学与工程学院	2	19	2.0	2.0
4	岳敏	兰州大学计算机科学与工程学院	2	19	2.0	2.0
5	穆进超	兰州大学计算机科学与工程学院	1	15	1.0	1.0
6	陈毅	兰州大学计算机科学与工程学院	3	27	2.0	3.0