基于支持向量机的股市预测

股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术很难揭示其内在的规律。本文,在分析传统预测分析方法的基础上,并考察了大量基于人工神经网络预测分析的方法基础上,采用支持向量机对上海股市进行预测。 本文,首先对影响股市的因素进行分析,进而提出预测股市的参数选择策略,并对股市预测的过程进行了全面的介绍。本文,提出了一种可应用非线性支持向量机的参数选择方法,试验结果表明该方法是一种有效的方法。本文讨论了核函数及其参数对预测结果的影响。 本文,采用标准支持向量机,对上证180 指数和上证综合指数,以及一些个股的走势和价格进行了预测,效果基本令人满意。然后,本文采用股市的实际数据,对支持向量机方法和BP 人工神将网络进行了对比。结果表明,支持向量机虽然在学习效果略逊于BP 网络,但在预测效果上优于BP 网络。