黄同愿，陈芳芳

(重庆理工大学 计算机科学与工程学院，重庆　400054)



基于SVM股票价格预测的核函数应用研究

黄同愿，陈芳芳

(重庆理工大学 计算机科学与工程学院，重庆400054)

摘要：对中国银行股票价格进行了回归预测。通过选择最优的径向基核函数，再利用网格寻参、遗传算法和粒子群算法对最佳核函数参数进行对比寻优，构建最有效的支持向量机(SVM)模型，最后对中国银行未来15日的开盘数变化趋势进行预测。实验仿真结果表明：应用构建的 SVM模型预测中国银行未来15日的股票走势是可行的。

关键词：支持向量机；回归预测；开盘数

股票是金融市场的一个重要组成部分，随着社会经济的发展和人们理财意识的提高，越来越多的人开始关心股票市场。如果能对股票进行预测，指导股民做出合理的投资将是十分有价值的[1]。目前，应用于股票研究的传统机器学习方法有很多，如遗传算法[2]、决策树、马尔科夫链、灰色理论[3]等。这些方法都存在一些缺陷，如信息提取困难等，尤其在样本数量少、分布不均的情况下会导致预测误差增大，预测能力降低的问题。股票数据波动较强，具有混沌性、非线性和模糊性的特点，传统的机器学习方法显然无法较好地预测股票趋势。

支持向量机(support vector machine，SVM)是新一代机器学习技术，能够很好地处理小样本、非线性、高维数的实际问题[4-5]，解决了传统机器学习方法所面临的训练需要大量数据样本、过学习和欠学习等问题。再加上SVM基于VC维理论和结构风险最小化原理，具有更好的泛化能力，因此SVM能够较好地对股票趋势进行预测[6-9]。……