基于ARIMA - SVM组合模型的股票价格预测

• 作者: 姜永生 程昌品 陈强
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 小波变换 非平稳时间序列 支持向量机组合模型 预测
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 343-346
• 分类号: TP391
• 字数: 3129字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2012.06.087

摘要

现有的股票价格准确预测方法各有优缺点,为了发挥各种预测方法的优点,提出二进正交小波变换和ARIMA - SVM方法的非平稳时间序列预测方案.使用小波分解算法对数据进行分解,分离出非平稳时间序列中的低频信息和高频信息；然后对高频信息构建自回归模型ARIMA预测,对低频信息则用SVM模型进行拟合；最后将各模型的预测结果进行叠加,从而得到原始时间序列的预测值.将预测结果与实际值比较,组合模型具有较好的预测效果.经实验证明,小波分解的ARI-MA - SVM组合模型较单一的预测模型效果更为理想.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜永生	广东第二师范学院计算机科学系	27	104	4.0	9.0
2	陈强	广东第二师范学院计算机科学系	44	146	6.0	10.0
3	程昌品	广东第二师范学院计算机科学系	12	65	3.0	8.0