基于网络舆情支持向量机的股票价格预测研究

被引：11

作者：

张世军 ^{[1
]}

程国胜 ^{[1
]}

蔡吉花 ^{[2
]}

杨建伟 ^{[1
]}

机构：

[1] 南京信息工程大学数学与统计学院

[2] 黑龙江科技大学理学院

来源：

数学的实践与认识 | 2013年 / 43卷 / 24期

关键词：

网络舆情; 支持向量机; 股票价格; 预测;

D O I：

暂无

中图分类号：

F830.91 [证券市场]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

提出一种基于网络舆情和股票技术指标数据的支持向量机回归模型(NPOSVM),提高了股票价格的预测精度.模型首先将抓取的微博、股吧等股评观点分为正面和负面两类,计算正面观点所占的比例作为网络舆情,然后对网络舆情和股票技术指标数据作主成分分析,最后对保留的主成分运用支持向量机回归建模预测.实证分析国药股份(SH600511),仿真结果表明网络舆情与股票价格之间的相关系数为0.76;基于股票技术指标数据的支持向量机回归模型(TI-SVM)预测平均相对误差为1.29%、趋势准确率为57.14%,而NPO-SVM预测平均相对误差为0.66%、趋势准确率为71.43%.于是证明,NPO-SVM模型显著地提高了预测精度,是一种有效的预测股票价格的模型.

引用

页码：33 / 40

页数：8

共 6 条

[1] 基于支持向量机的关键因素拟合指数化投资方法
倪丽云
沈传河
王向荣
[J]. 统计与决策, 2012, (12) : 73 - 76
[2] 基于改进的支持向量回归机的金融时序预测
陈懿冰
张玲玲
聂广礼
石勇
[J]. 数学的实践与认识, 2012, 42 (04) : 38 - 44
[3] A hybrid stock selection model using genetic algorithms and support vector regression[J] . Chien-Feng Huang.Applied Soft Computing Journal . 2011 (2)
[4] Financial time series forecasting using independent component analysis and support vector regression
Lu, Chi-Jie
Lee, Tian-Shyug
Chiu, Chih-Chou
[J]. DECISION SUPPORT SYSTEMS, 2009, 47 (02) : 115 - 125
[5] Textual analysis of stock market prediction using breaking financial news[J] . Robert P. Schumaker,Hsinchun Chen.ACM Transactions on Information Systems (TOIS) . 2009 (2)
[6] Financial time series forecasting using support vector machines[J] . Kyoung-jae Kim.Neurocomputing . 2003 (1)

← 1 →