本文主要研究内容
作者董畅（2019）在《结合Relief算法基于神经网络与支持向量机的股价指数预测研究》一文中研究指出：股票作为证券市场的重要组成部分,其价格的变动牵动着众多股市参与者的心。如果能够成功预测股价的走向对众多股市参与者来说意义重大,对于投机者来说可以通过预测股价的涨跌方向并在多次买卖中获取短期利润,对于投资者来说预测股价的涨跌方向可以更好的判断市场的情况并制定相应的投资策略,对于风险管理来说预测股价的走向更有利于及时从不合理的股价运动中发现市场风险并提前做出相应的管控和调整。因此寻找有效方法预测股票的价格或涨跌成为金融界的重点关注的问题。虽然股票价格的预测问题意义重大,但其在金融领域中却是一个异常复杂的问题,这是因为股票价格的运动是很复杂的,并且被诸如政治事件、公司政策、一般经济环境、投资期望、机构投资者的选择以及投资心理学等等多种因素影响。这些原因造成了股票价格的运动走向是一个非线性的、复杂的并且混乱的系统。在这样的情况下就意味着简单的模型是不能解决股价预测问题的,而是需要寻找更为复杂的模型或方法来解决这个问题。虽然股价预测的难度非常大,但到目前为止股价预测已经发展出了多种解决方法,其中所使用的方法大体上分为证券业所使用的基本方法、传统统计方法、机器学习方法和其他方法。本文将从BP神经网络在沪深300指数价格预测中的应用出发,并讨论不同机器学习模型、数据量的提高和Relief特征选择算法是否有利于提高模型预测准确率。为了实现上述目的,本文的主要工作分为三个部分,第一部分将BP、RBF神经网络和SVM(支持向量机)应用于沪深300指数日频数据的涨跌预测以对比不同模型的预测能力;第二部分将BP神经网络分别应用于沪深300指数的日频数据和分钟频数据的涨跌预测验证增大数据量是否会提高模型预测能力;第三部分将Relief算法应用于BP、RBF神经网络和SVM的沪深300指数日频数据的涨跌预测验证Relief特征选择是否会提高模型的预测能力。实证各部分结果如下:第一部分显示SVM的预测能力高于RBF神经网络,RBF高于BP神经网络;第二部分显示数据量的增大会提高BP神经网络的预测能力;第三部分显示Relief算法在SVM(多项式核函数)上会一定程度上提高预测能力。
Abstract
gu piao zuo wei zheng quan shi chang de chong yao zu cheng bu fen ,ji jia ge de bian dong qian dong zhao zhong duo gu shi can yu zhe de xin 。ru guo neng gou cheng gong yu ce gu jia de zou xiang dui zhong duo gu shi can yu zhe lai shui yi yi chong da ,dui yu tou ji zhe lai shui ke yi tong guo yu ce gu jia de zhang die fang xiang bing zai duo ci mai mai zhong huo qu duan ji li run ,dui yu tou zi zhe lai shui yu ce gu jia de zhang die fang xiang ke yi geng hao de pan duan shi chang de qing kuang bing zhi ding xiang ying de tou zi ce lve ,dui yu feng xian guan li lai shui yu ce gu jia de zou xiang geng you li yu ji shi cong bu ge li de gu jia yun dong zhong fa xian shi chang feng xian bing di qian zuo chu xiang ying de guan kong he diao zheng 。yin ci xun zhao you xiao fang fa yu ce gu piao de jia ge huo zhang die cheng wei jin rong jie de chong dian guan zhu de wen ti 。sui ran gu piao jia ge de yu ce wen ti yi yi chong da ,dan ji zai jin rong ling yu zhong que shi yi ge yi chang fu za de wen ti ,zhe shi yin wei gu piao jia ge de yun dong shi hen fu za de ,bing ju bei zhu ru zheng zhi shi jian 、gong si zheng ce 、yi ban jing ji huan jing 、tou zi ji wang 、ji gou tou zi zhe de shua ze yi ji tou zi xin li xue deng deng duo chong yin su ying xiang 。zhe xie yuan yin zao cheng le gu piao jia ge de yun dong zou xiang shi yi ge fei xian xing de 、fu za de bing ju hun luan de ji tong 。zai zhe yang de qing kuang xia jiu yi wei zhao jian chan de mo xing shi bu neng jie jue gu jia yu ce wen ti de ,er shi xu yao xun zhao geng wei fu za de mo xing huo fang fa lai jie jue zhe ge wen ti 。sui ran gu jia yu ce de nan du fei chang da ,dan dao mu qian wei zhi gu jia yu ce yi jing fa zhan chu le duo chong jie jue fang fa ,ji zhong suo shi yong de fang fa da ti shang fen wei zheng quan ye suo shi yong de ji ben fang fa 、chuan tong tong ji fang fa 、ji qi xue xi fang fa he ji ta fang fa 。ben wen jiang cong BPshen jing wang lao zai hu shen 300zhi shu jia ge yu ce zhong de ying yong chu fa ,bing tao lun bu tong ji qi xue xi mo xing 、shu ju liang de di gao he Reliefte zheng shua ze suan fa shi fou you li yu di gao mo xing yu ce zhun que lv 。wei le shi xian shang shu mu de ,ben wen de zhu yao gong zuo fen wei san ge bu fen ,di yi bu fen jiang BP、RBFshen jing wang lao he SVM(zhi chi xiang liang ji )ying yong yu hu shen 300zhi shu ri pin shu ju de zhang die yu ce yi dui bi bu tong mo xing de yu ce neng li ;di er bu fen jiang BPshen jing wang lao fen bie ying yong yu hu shen 300zhi shu de ri pin shu ju he fen zhong pin shu ju de zhang die yu ce yan zheng zeng da shu ju liang shi fou hui di gao mo xing yu ce neng li ;di san bu fen jiang Reliefsuan fa ying yong yu BP、RBFshen jing wang lao he SVMde hu shen 300zhi shu ri pin shu ju de zhang die yu ce yan zheng Reliefte zheng shua ze shi fou hui di gao mo xing de yu ce neng li 。shi zheng ge bu fen jie guo ru xia :di yi bu fen xian shi SVMde yu ce neng li gao yu RBFshen jing wang lao ,RBFgao yu BPshen jing wang lao ;di er bu fen xian shi shu ju liang de zeng da hui di gao BPshen jing wang lao de yu ce neng li ;di san bu fen xian shi Reliefsuan fa zai SVM(duo xiang shi he han shu )shang hui yi ding cheng du shang di gao yu ce neng li 。
论文参考文献
论文详细介绍
论文作者分别是来自山东大学的董畅，发表于刊物山东大学2019-07-16论文，是一篇关于股价预测论文,神经网络论文,神经网络论文,支持向量机论文,算法论文,山东大学2019-07-16论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自山东大学2019-07-16论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：股价预测论文; 神经网络论文; 支持向量机论文; 算法论文; 山东大学2019-07-16论文;