基于SVM的IPO首日投资策略分析

• 作者: 施剑
• 来源期刊: 计算机系统应用
• 关键词: 股票价格预测 机器学习 支持向量机
• 年，卷（期）: 2013,（10）
• 所属期刊栏目: 研究开发
• 页码范围: 206-209,158
• 页数: 5页
• 字数: 4105字
• 语种: 中文

摘要

将支持向量机方法应用于新股IPO首日价格变动的预测，预测效果令人满意。目前的股票价格预测研究都局限于通过已知的时间序列来预测将来的时间序列，这类模型对于预测没有历史时间序列的新股 IPO 无能为力，因此基于支持向量机的新股IPO价格预测模型对股票价格研究有着重要的参考价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施剑	复旦大学计算机科学技术学院	1	2	1.0	1.0