混合多个SVR模型的金融时间序列预测

• 作者: 陈钟国
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 支持向量回归 金融时间序列预测 非平稳性 混合多个模型
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 17-20,23
• 页数: 5页
• 分类号: TP3
• 字数: 5102字
• 语种: 中文

摘要

基于支持向量回归(SVR)进行金融时间序列预测,使用PSO算法确定SVR超参数,并用实验的方法选择合适的SVR输入向量.为了解决金融时间序列非平稳性导致的单一SVR模型预测精度不稳定的问题,提出一种混合多个SVR模型的预测算法,选取训练数据的不同子集训练出多个SVR模型,采用对多个模型的预测结果加权求和的方法进行预测,各个模型的权重根据其预测误差动态调整.在全球5大股指上的实验表明,该算法的预测能力明显优于单一SVR模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈钟国	上海交通大学软件学院	1	2	1.0	1.0