基于SVM的多变量股市时间序列预测研究

	基于SVM的多变量股市时间序列预测研究
	金桃; 岳敏; 穆进超; 宋伟国; 何艳珊; 陈毅
刊名	计算机应用与软件
	2010-06-15
期号	6 页码:191-194+209
关键词	支持向量机回归多变量交叉验证并行
中文摘要	目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高。提出采用基于支持向量机SVM(Support Vector Machines)的多变量股市时间序列预测算法,来提高预测准确度。SVM训练算法中,合适的参数可以使训练模型具有更好泛化能力。交叉验证具有指导参数选择的能力,然而考虑到交叉验证算法效率不高的问题,将其并行化,既达到了参数优选的目的,又避免了传统交叉验证效率低的问题。然后,根据较优参数建立多变量SVM时间序列回归预测模型,进行预测。实验证明,预测平均绝对百分比误差控制在10%以内,并且较之单变量的SVM回归预测有更好的泛化能力。
语种	中文
内容类型	期刊论文
源URL	[http://ir.lzu.edu.cn/handle/262010/127898]
专题	信息科学与工程学院_期刊论文
推荐引用方式 GB/T 7714	金桃,岳敏,穆进超,等. 基于SVM的多变量股市时间序列预测研究[J]. 计算机应用与软件,2010(6):191-194+209.
APA	金桃,岳敏,穆进超,宋伟国,何艳珊,&陈毅.(2010).基于SVM的多变量股市时间序列预测研究.计算机应用与软件(6),191-194+209.
MLA	金桃,et al."基于SVM的多变量股市时间序列预测研究".计算机应用与软件 .6(2010):191-194+209.