-
题名基于SVM的多变量股市时间序列预测研究
被引量：6
- 1
-
-
作者
金桃
岳敏
穆进超
宋伟国
何艳珊
陈毅
-
机构
吉林广播电视大学教学处理工系
兰州大学计算机科学与工程学院
-
出处
《计算机应用与软件》
CSCD
2010年第6期191-194,209,共5页
-
文摘
目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高。提出采用基于支持向量机SVM(Support Vector Machines)的多变量股市时间序列预测算法,来提高预测准确度。SVM训练算法中,合适的参数可以使训练模型具有更好泛化能力。交叉验证具有指导参数选择的能力,然而考虑到交叉验证算法效率不高的问题,将其并行化,既达到了参数优选的目的,又避免了传统交叉验证效率低的问题。然后,根据较优参数建立多变量SVM时间序列回归预测模型,进行预测。实验证明,预测平均绝对百分比误差控制在10%以内,并且较之单变量的SVM回归预测有更好的泛化能力。
-
关键词
支持向量机
回归
多变量
交叉验证
并行
-
Keywords
Support vector machines Regression Multi-variable Cross validation Parallel
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
