基于SVM的上证指数预测研究

• 作者: 张晶华 甘宇健 莫文柯
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 上证指数 SVM 数据挖掘 股票预测
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 156-159,163
• 页数: 5页
• 分类号: TP319
• 字数: 3533字
• 语种: 中文
• DOI: 10.11907/rjdk.171351

摘要

国家政策或市场经济导向等变动会对整个上证指数产生影响,为了寻找上证指数变化规律,提出基于支持向量机的预测算法.算法首先利用数据挖掘技术在某网站上挖掘相关的上证价格数据,并取一部分上证数据作为支持向量机的训练指数样本,得到支持向量机的训练指数集,然后在训练指数集上利用支持向量机,从而得到上证指数分类的超平面指数函数以及相关的上证指数样本集,最后对所得的上证指数分3个模型进行预测研究,得到下一个开盘日的上证指数变动预测数据.实验结果表明,预测2天后的上证指数趋势只需要前3天的数据作为自变量输入即可,且所得预测值与实际数值的误差率较低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	甘宇健	广西财经学院信息与统计学院	20	41	3.0	6.0
2	张晶华	广西财经学院信息与统计学院	3	10	2.0	3.0