基于SVM的股票指数预测

• 作者: 丛琳 张蕾 王玥 邹存利
• 来源期刊: 计算机科学与应用
• 学科: 经济
• 关键词: 沪深300指数 支持向量机 ARMA模型 股票预测 数据归一化
• 年，卷（期）: jsjkxyyy_2018,（4）
• 页码范围: 421-428
• 页数: 8页
• 分类号: F2

摘要

随着中国经济的飞速发展,越来越多的人加入到股市这个大家庭中来。由于股票市场具有高噪声、不确定等特性,使得股票的价格预测极为困难。而较为准确的预测股票价格,有利于人们的投资。本文选用国泰君安大智慧软件中2007年1月4日至2017年12月29日的沪深300指数中2676个交易日数据作为原始分析数据,通过建立支持向量机模型和ARMA模型进行分析并做出短期预测。实验结果:采用支持向量机模型的预测数据与实际数据的拟合度较高,相对误差控制在4%左右;说明支持向量机模型可以对股票市场做出更准确的价格预测,可以为沪深股票市场股票价格走势的研究提供一些借鉴。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丛琳	辽宁师范大学数学学院	8	18	3.0	4.0
2	王玥	辽宁师范大学数学学院	13	14	2.0	3.0
3	张蕾	辽宁师范大学数学学院	29	331	7.0	18.0
4	邹存利	辽宁师范大学数学学院	2	2	1.0	1.0