林天华，祁旭阳，张倩倩，赵 霞

（1河北经贸大学 信息技术学院，石家庄 050061；2河北经贸大学 经管实验中心，石家庄 050061）

0 引 言

股票是市场经济的重要体现，在一定程度上反映着我国的经济发展状况，在经济发展走势分析中发挥着重要作用。沪深300指数是股票市场的重要指数之一，它能够反映沪深两市市场整体表现和价格变动。预测沪深300指数在指导沪深两市个股投资和分析沪深市场变化等方面具有重要意义。预测沪深300指数的研究方法主要分为三种，分别是基本面分析法、技术分析法和量化分析法。其中量化分析法是利用计算机技术进行统计、数值模拟，进而研究证券数据的一种方法［1］。该方法分析的数据量大、形成的模型严格，因此能够取得较好的分析效果。

将机器学习、神经网络等现代预测方法应用于股指的分析和预测是当前的一个研究热点。熊涛［2］等提出基于自组织神经网络（Self Organizing Neural Network，SOM）和支持向量机（Support Vector Machine，SVM）的多步预测方法，即先用SOM对沪深300指数序列进行聚类，随后基于划分后的数据集分别构建SVM，得到多步预测模型，结果表明该模型的预测效果要好于单一的SVM。唐艳琴［3］等为解决基于SVM的预测模型复杂、耗时长的问题，提出了一种基于多输出的学习方法，该模型在预测沪深300指数时比SVM预测的均值方差提高了约10倍，运行时长也减少了近3／4。文献［4］提出了使用多支持向量机对股指进行混合频率抽样预测方法。文献［5］提出将夏普比率引入到SVM股指预测中，提升投资回报。……