学位论文 > 优秀研究生学位论文题录展示

粒子群优化的支持向量机在股票预测中的研究与应用

作　者: 郑艳清
导　师: 李代平
学　校: 广东工业大学
专　业: 计算机应用技术
关键词: 支持向量机 粒子群 K均值 最近邻 股票预测
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 202次
引　用: 0次
阅　读: 论文下载
 

内容摘要


股票在市场经济中占有重要地位,发行股票的公司可以通过从社会上融资来扩大公司规模,个体也可以通过控股的方式来影响公司的经营,可以说股票对推动市场经济发展起到了重要的作用。因此,对股市进行分析和预测,从小的方面看,有利于市场中的个体获益,从大的方面看,有利于决策者对宏观经济进行调整,保持国民经济的平稳发展。随着统计机器学习领域的发展,各种智能算法也不断涌现。从股票的特点来看,它在短期投资上会产生很大的不确定性,但是在长期趋势上则符合统计学规律。因此,在有限样本的情况下,通过机器学习算法来预测股票,是股票预测研究中的一个重要发展方向。本文在研究了各项股票预测技术的基础上,将统计机器学习的思想作为算法的基础,首先分析使用统计机器学习原理进行股票预测的可行性,然后提出了一种新的股票预测方法,这种方法以支持向量机分类为核心,首先使用K均值聚类,对股票的历史数据从形态上进行分类,然后对每一类的历史数据,提取股票预测中的经典时态指标作为特征,用支持向量机进行训练,在训练过程中,使用优化的粒子群算法对支持向量机的关键参数进行调整,从而得到分类更准确的支持向量机模型。在预测时,首先使用最近邻分类将待预测样本归到某一个聚类中,再使用该类相关的支持向量机进行预测。通过这种多级预测的算法,提高了分类的准确率。为了真实全面地评估该算法的有效性,本文通过实际的上证大盘股票的历史数据作为训练集和预测集进行分析,在实验的内容上,也包括了本算法与其他预测算法的结果比较。实验结果表明,本算法在预测精度和适应性上都比其他算法有了明显进步,预测率得到了明显提升。

全文目录


摘要  4-5
ABSTRACT  5-7
目录  7-10
CONTENTS  10-13
第一章 绪论  13-19
  1.1 课题背景  13-16
    1.1.1 股票预测的发展  13-14
    1.1.2 股票预测的困难性和可行性  14-16
  1.2 研究现状  16-17
    1.2.1 基于确定性分析的预测  16
    1.2.2 基于时间序列分析的预测  16
    1.2.3 基于统计机器学习的预测  16-17
  1.3 论文主要工作  17
  1.4 论文结构简介  17-19
第二章 基于支持向量机的预测理论  19-33
  2.1 支持向量机概述  19-26
    2.1.1 支持向量机原理  19-23
    2.1.2 VC维  23-24
    2.1.3 结构风险最小化准则  24-26
  2.2 两种常用的支持向量机  26-28
    2.2.1 υ-SVM  27
    2.2.2 LS-SVM  27-28
  2.3 核函数及其构造  28-32
    2.3.1 核函数概念  28-29
    2.3.2 金融时序核函数构造  29-32
  2.4 本章小结  32-33
第三章 基于改进粒子群算法的参数优化  33-50
  3.1 使用粒子群优化的必要性  33-34
  3.2 标准粒子群算法  34-40
    3.2.1 算法原理  34-38
    3.2.2 收敛性分析  38-40
  3.3 生物启发式粒子群算法  40-45
    3.3.1 算法模型  40-42
    3.3.2 测试分析  42-45
  3.4 边界缩放变异策略  45-49
    3.4.1 粒子越界问题  45-47
    3.4.2 边界变异  47-49
  3.5 本章小结  49-50
第四章 PSO-SVM预测模型构造  50-64
  4.1 算法总体结构  50-52
  4.2 股票指标选择  52-56
    4.2.1 平滑异同移动平均线  53-54
    4.2.2 随机指标  54-55
    4.2.3 相对强弱指标  55
    4.2.4 乖离率  55-56
  4.3 训练算法设计  56-62
    4.3.1 原始数据样本化  56-57
    4.3.2 K均值聚类  57-61
    4.3.3 支持向量机训练  61-62
  4.4 预测算法设计  62-63
    4.4.1 最近邻分类  62-63
    4.4.2 支持向量机分类  63
  4.5 本章小结  63-64
第五章 实验设计与结果分析  64-73
  5.1 实验平台描述  64
  5.2 软件系统设计  64-66
    5.2.1 数据预处理模块设计  64-65
    5.2.2 数据分析模块设计  65-66
    5.2.3 数据展示模块设计  66
  5.3 实验结果分析  66-72
    5.3.1 样本时间间隔分析  67-68
    5.3.2 样本选取分析  68-69
    5.3.3 粒子群优化效果分析  69
    5.3.4 聚类数量分析  69-70
    5.3.5 总体结果分析  70-72
  5.4 本章小结  72-73
总结  73-75
参考文献  75-79
攻读学位期间发表的论文  79-81
致谢  81

相似论文

  1. 高灵敏度GNSS软件接收机的同步技术研究与实现,P228.4
  2. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  3. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  4. 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
  5. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  6. 音乐结构自动分析研究,TN912.3
  7. 基于三维重建的焊点质量分类方法研究,TP391.41
  8. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  9. 医学超声图像去噪方法研究,TP391.41
  10. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  11. 基于SVM的中医舌色苔色分类方法研究,TP391.41
  12. 基于图像的路面破损识别,TP391.41
  13. 基于支持向量机的故障诊断方法研究,TP18
  14. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  15. 基于粒子群算法求曲线/曲面间最小距离方法,O182
  16. K-均值聚类算法的研究与改进,TP311.13
  17. 基于对数正态分布异方差模型的统计推断,O212.1
  18. 有源电力滤波器及其在配电网中的应用,TN713.8
  19. 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
  20. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  21. 基于变异粒子群的聚类算法研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com