基于SVR的金融时间序列预测

被引：51

作者：

李立辉

田翔

杨海东

胡月明

机构：

[1] 湖南师范大学商学院,华南理工大学应用数学系,华南理工大学应用数学系,华南农业大学信息学院长沙,广州,广州,广州

来源：

计算机工程与应用 | 2005年 / 30期

关键词：

人工智能; 预测模型; 支持向量回归; 金融时间序列; 非线性建模;

D O I：

暂无

中图分类号：

F224 [经济数学方法];

学科分类号：

020104 [西方经济学];

摘要：

介绍了支持向量回归的建模原理及常用版本,详细探讨了利用支持向量回归方法建立金融时间序列预测模型,进行单步预测和多步预测的步骤。将它们应用到我国上证180指数预测中,并且比较了它们的预测性能。数值实验表明,SVR方法对非平稳的金融时间序列具有良好的建模和泛化能力。特别是LS-SVR用等式约束代替传统支持向量机中不等式约束,使求解过程从解QP问题变成解一组等式方程,因此学习速度更快,并具有更好的预测效果。

引用

页码：221 / 224

页数：4

共 8 条

[1]

Least squares support vector machine classifiers [J].