基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统SVM算法对股票的研究主要是在数值上,通过训练后直接得到相应的值.阐述了通过SVM算法预测涨跌后再使用股价趋势获得相应预测值的预测方法.将历史数据输入模型作为训练集,经过SVM算法训练后,再与大盘走势、K线、M ACD线、成交量等技术指标进行处理,作出拟合预测.最后通过走势方向准确度、总盈利率等指标,与基于SVM算法的其它预测进行比较,验证该模型的应用成效与可用度,为后续研究提供参考.
推荐文章
基于RF-MIC-PCA的股票趋势预测
股票趋势预测
随机森林
最大信息系数
主成分分析法
基于DFS-BPSO-SVM的股票趋势预测方法
二进制粒子群算法
支持向量机
两层特征选取
特征子集区分度衡量准则
股票趋势预测
基于价值投资的PCA-SVM股票选择模型研究
股票
价值投资
模式识别
支持向量机
主成分分析
基于改进随机森林算法的股票趋势预测
股票趋势预测
技术指标
特征选择
改进的随机森林算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM及股价趋势的股票预测方法研究
来源期刊 软件导刊 学科 工学
关键词 股票预测 SVM算法 股价趋势 总盈利率
年,卷(期) 2018,(4) 所属期刊栏目 软件理论与方法
研究方向 页码范围 42-44
页数 3页 分类号 TP301
字数 2527字 语种 中文
DOI 10.11907/rjdk.172448
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 邬春学 上海理工大学光电信息与计算机工程学院 108 416 10.0 15.0
2 赖靖文 上海理工大学光电信息与计算机工程学院 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (61)
共引文献  (57)
参考文献  (10)
节点文献
引证文献  (8)
同被引文献  (10)
二级引证文献  (0)
1838(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(7)
  • 参考文献(1)
  • 二级参考文献(6)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(10)
  • 参考文献(1)
  • 二级参考文献(9)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(7)
  • 引证文献(7)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
股票预测
SVM算法
股价趋势
总盈利率
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导