一种改进的基于DE-SVR的上证指数预测模型
2012-02-21查进道
统计与决策 2012年23期
关键词:模型
查进道
(江苏经贸职业技术学院,南京 211168)
0 引言
我国股市由于其历史较短,在发展过程中还存在着一些问题。为此,国内不少学者试图找出影响股票价格指数的因素,通过研究这些因素的变化对股市的影响来预测股市未来走势,一方面为规范股市健康发展的政策的制定提供参考,另一方面对投资者提供指导。因此,对股票价格指数变化规律的研究有着重要的理论意义和现实意义。由于支持向量机具有小样本、无数据维数限制、泛化能力强和非线性处理能力强等特点,本文在现有研究的基础上,选取上证综合指数为中国股市的代表,建立一种改进的基于微分进化算法的支持向量机的上证指数预测模型,实验证实该模型具有较高的预测精度。
1 微分进化算法


2 支持向量机回归(SVR)预测模型
支持向量机(SVM)用于回归拟合分析时,其基本思想是寻找一个最优分类面使得所有训练样本离该分类面的距离最小。设训练集S={(x1,y1),(x2,y2),…,(xl,yl)},其中l为样本数;xi∈Rn,yi∈R,(i=1,2,…,l)。则基于训练集S的支持向量机回归函数是:



上式中核函数的选择必须满足Merce条件,常见的核函数有多项式核函数、RBF核函数、Sigmoid核函数。根据上证指数预测的特点,选择RBF核函数:
3 DE-SVR预测模型
影响预测精度的主要有RBF核函数的参数γ、SVR模型中的惩罚因子c和不敏感系数常数ε。研究表明微分进化算法的全局寻优功能、收敛速度及稳定性要优于遗传算法、粒子群算法等智能算法。本文引入微分进化算法对SVR的参数c,γ,ε在参数空间中自动确定最优或近似最优参数。……
登录APP查看全文
