王丽娜 李欣欣

摘 要：股票投资常常伴随着风险发生，越来越多的投资者期望寻求更加科学的投资方法。随着人工智能和大数据的兴起，用机器学习探究股票市场的变化规律越来越流行。本文采用机器学习的三种算法，线性神经网络模型（Linear Model）、多层感知机神经网络模型（MLP）和支持向量机回归模型（SVM）分别对1990年至2019年的上证指数sh000001价格进行研究。在1%误差容忍度下，验证了三种模型对股价均较好的预测效果，为广大投资者提供投资策略支持。

关键词：上证指数价格;机器学习;神经网络;支持向量机

中图分类号：F23     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2021.17.044

1 研究背景

随着我国股市的不断发展和完善，越来越多的机构和个人参与到股票市场。上市公司希望从股票市场上融到资金，而投资者也期望从投资的股票中获得收益。但股票投资也经常伴随着风险，如果盲目进行投资，只会给投资者带来损失，科学合理地分析股票走势并选择有效的投资策略越来越受到人们的关注。

正是在这种市场需求下，股票市场的各类预测问题就成为一个研究热点。很多研究学者积极投身股票预测的研究，并取得的一定的研究成果。传统的股票預测研究有很多技术已经比较成熟，如技术分析方法和基本面分析方法，曾劲松（2005）指出在弱有效市场下，技术分析可以帮助投资者获得超额收益。扈香梅（2014）指出，技术分析可以在短期内小波动范围为投资者提供最佳买卖股票的时机。也有一些学者提出了更加严谨的金融时间序列分析方法如向量自回归模型、移动平均模型和自回归移动平均模型等。……