

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著經(jīng)濟發(fā)展,人們開始關(guān)注股票市場,由于股票市場的高度復雜性以及影響因素眾多給股市的預測帶來很大的困難。股市的預測也一直被專家學學者研究,預測精度高的模型能更好的指導投資者減少投資的風險。
本文主要針對股市預測模型中的尖峰點難以預測導致模型準確度低的問題,從指標背離的角度對股市中的異常突變點進行分析,以支持向量機模型作為基礎(chǔ)預測模型,對股市波動預測進行研究。本文開展的研究如下:
(1)由于股票價格波動具有較強的突變性
2、,導致股票價格走勢難以預測。提出基于離群特征模式的股市波動預測模型(SOFSVM),該算法首先利用馬爾科夫毯選取目標結(jié)點的局部網(wǎng)絡結(jié)構(gòu),以屏蔽其他結(jié)點對目標結(jié)點的影響;進而,對目標結(jié)點的指標進行分析,提取異于一般行為的離群特征模式;利用滑動窗口捕捉離群特征,將離群特征模式作為先驗知識加入原SVM模型,預測尖峰點并平滑尖峰點對于預測結(jié)果的影響,提高預測模型的穩(wěn)健性。
(2)針對SOFSVM算法對于背離之后股價波動的方向預測效果不
3、理想的情況,提出基于特征能量的股市波動預測模式(EOF-SVM)。EOF-SVM算法根據(jù)多個指標背離及特殊指標形態(tài)將指標數(shù)據(jù)與股價建立貝葉斯網(wǎng)絡,通過貝葉斯網(wǎng)絡判斷股市異常波動的概率,對股市的風險進行分析。通過指標與股價走勢的相關(guān)程度定義指標能量,由于各個指標對股價的影響程度不同,通過加權(quán)的方式將各個指標組合在一起形成總能量,用來衡量對后期股票走勢的影響。
通過板塊數(shù)據(jù)和上證指數(shù)數(shù)據(jù)分別對兩個算法進行對比分析,實驗表明根據(jù)股票
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征能量計算和能量背離分析的股市態(tài)勢預測研究.pdf
- 基于窗口能量計算的神經(jīng)網(wǎng)絡股市趨勢預測算法研究.pdf
- 住院病人能量計算
- 腸外營養(yǎng)能量計算
- 基于hht和svm銑削失穩(wěn)特征提取和模式識別
- 基于SVM語義分類和視覺特征提取的圖像檢索方法研究.pdf
- 基于HHT和SVM的水電機組特征提取與狀態(tài)識別.pdf
- 基于SVM的肺部CT圖像特征提取及分類研究.pdf
- 企業(yè)節(jié)能量計算方法
- 基于KPLS特征提取下的FWLS-SVM回歸方法.pdf
- 基于振動特征提取的球磨機負荷預測研究.pdf
- 基于全覆蓋粒計算模型的文本表示和特征提取研究.pdf
- 基于特征提取和代價敏感學習的軟件缺陷預測方法研究.pdf
- 非平穩(wěn)信號特征提取及基于SVM的設(shè)備性能評價方法研究.pdf
- 基于特征提取的特征選擇研究.pdf
- 肺結(jié)節(jié)CT圖像特征提取及SVM分類方法研究.pdf
- 基于SIFT的圖像拼接和特征提取的研究.pdf
- 基于顏色特征提取及紋理特征提取的皮膚區(qū)域檢測研究.pdf
- 污泥量計算分析和總結(jié)
- 基于LBP的特征提取研究.pdf
評論
0/150
提交評論