基于PCA-SVM-KNN模型的股票预测研究

发布时间：2024-01-15 20:27

　　股票市场在一个国家的经济发展中占据重要部分.股票价格的预测对于政府部门,投资机构和投资者是非常重要的.但是,股票的价格走势可能会受到外部的政治因素,宏观经济因素,法律因等因素的影响,导致股票价格的波动性和股票预测研究很大的不确定性.因此,在繁杂因素中选取有用的信息对股票进行预测,被许多专家学者广泛研究.本文的第一部分主要对支持向量机在股票预测进行研究,提出了一种基于PCA-SVM-KNN的模型来对股价涨跌进行预测.该模型是将主成分分析方法(PCA)、改进的支持向量机(SVM)与K近邻算法(KNN)模型结合.其中主成分分析是用来消除变量间的多重共线性,减少模型运行时间同时提高模型预测的准确率.改进并优化支持向量机与K近邻算法结合模型,通过对分类数据的动态调整,选取不同的时间滑窗股票涨跌分类共同对股票趋势分类预测.在实证分析中,选取上证指数和深证指数,12支不同行业的股票数据对模型进行验证.结果表明,所提出的PCA-SVM-KNN模型有很大的泛化能力,能得到较准确的股票价格预测趋势.本文的第二部分主要是对股票收益率进行预测和寻找股票最优投资组合.首先,考虑到小波降噪在时间预测中处理非平稳数...

【文章页数】：60 页

【学位级别】：硕士

本文编号：3878796