王浩，陈娟，姚宏亮，李俊照

合肥工业大学计算机与信息学院，合肥 230009

基于离群特征模式的股市波动预测模型

王浩，陈娟，姚宏亮，李俊照

合肥工业大学计算机与信息学院，合肥 230009

随着金融市场的逐步完善，投资理念的逐步深入，股票投资被越来越多的人所接受，但是证券市场是高风险与高收益并存的，因此，有效的预测方法对减少投资风险是很有必要的，关于证券市场的分析和预测也一致为人们所关注。对于股票市场的预测问题国内外很多学者都做了有意义的探索，早期ARIMA技术应用于时间序列预测，但是ARIMA是线性预测的方法。随着非线性科学的发展，人们提出了神经网络方法应用在金融时间序列的分析和预测[1]，相对于ARIMA模型神经网络模型有很大的优势，然而神经网络方法有很多局限性，神经网络存在有很多参数如网络大小、初始权重的选择问题，而且可能存在过学习的现象，导致泛化能力很低，在训练过程中存在局部极小问题，且收敛速度慢。

支持向量机（Support Vector Machines，SVM）[2]已经被认为是先进的回归和分类的技术。最早是由Cortes和Vapnik于1995年提出，以统计学习理论为基础，其与传统机器学习理论最大的不同在于，它服从结构风险最小化原理而非经验风险最小化。SVM综合考虑经验风险与置信风险，具有很好的泛化能力。支持向量机可以获得全局最优，解决了其他的神经网络模型陷入局部最优的问题，而且支持向量机还能解决过度拟合的问题，很多的实验结果也表明SVM算法优于人工神经网络的预测[3]。……