基于高斯核支持向量机和遗传算法的优化组合研究

• 作者: 徐荣 李星野 马静
• 来源期刊: 经济数学
• 学科: 经济
• 关键词: 机器学习 高斯核支持向量机 遗传算法 投资组合
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 金融工程
• 页码范围: 11-17
• 页数: 7页
• 分类号: F064.1
• 字数: 6324字
• 语种: 中文

摘要

选用2008~2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马静	上海理工大学管理学院	8	41	3.0	6.0
2	李星野	上海理工大学管理学院	68	217	8.0	10.0
3	徐荣	上海理工大学管理学院	3	7	2.0	2.0