基于改进的支持向量回归机的金融时序预测

被引：9

作者：

陈懿冰 ^{[1
,2
]}

张玲玲 ^{[1
,2
]}

聂广礼 ^{[3
,4
]}

石勇 ^{[2
,5
]}

机构：

[1] 中国科学院研究生院管理学院

[2] 中国科学院虚拟经济与数据科学研究中心

[3] 北京大学光华管理学院

[4] 中国农业银行博士后工作站

[5] 美国内布拉斯加州立大学奥马哈分校

来源：

数学的实践与认识 | 2012年 / 42卷 / 04期

关键词：

支持向量机; 非平稳时间序列; 金融时序预测; 先验知识; 惩罚因子;

D O I：

暂无

中图分类号：

F832.51 []; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.

引用

页码：38 / 44

页数：7