基于SVM-KNN的股票价格预测

• 作者: 刘海军 张佩琪 王喜月 裴冬晓
• 来源期刊: 统计学与应用
• 学科: 经济
• 关键词: 支持向量机 K近邻 股票预测 技术指标 模拟投资
• 年，卷（期）: 2019,（6）
• 页码范围: 859-871
• 页数: 13页
• 分类号: F83

摘要

本文利用支持向量机(Support Vector Machine, SVM)和K近邻(K-Nearest Neighbor, KNN)结合的算法研究股票价格的预测问题。选取反映股票变化的交易数据及其技术指标,包括成交量、收盘价、最高价、移动平均(MA)等,对上证综指进行涨跌趋势及收盘价格指数的预测。首先利用SVM对训练集进行预测,预测涨跌趋势,其次KNN对股票短期(1天),中期(7天)和长期(30天)的价格进行预测,由此形成基于交易数据和技术指标的预测模型。最后得出此模型的综合平均相对误差(MAPE)和均方根误差(RMSE)。为了验证模型的有效性,根据模型预测结果构建新的投资策略,并利用真实数据进行投资,对大盘股指进行为期一个月的模拟投资。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海军		20	38	4.0	5.0
2	张佩琪		1	0	0.0	0.0
3	裴冬晓		1	0	0.0	0.0
4	王喜月		1	0	0.0	0.0