基于支持向量机参数优化算法的股票智能投顾策略研究

发布时间：2021-11-10 11:15

　　中国股票市场的变化对整个国家的市场经济动态而言是密不可分的,在推动我国国民经济增长上产生了重要的影响。相对于西方发达资本市场,我国当前股市主要的智能投顾策略仍有一定的缺陷,在机器学习领域,参数的优化会直接对各模型的核函数和运行性能产生重要影响,参数设定主要依靠个人经验,不一定找得到全局最优且缺少客观性,这些问题导致了一些散户投资者和企业投资商在投资上的失误。因此对模型参数的寻优以及股票的预测进行研究并以此指导广大投资者合理投资,具有重要的意义。为了更好地进行预测,本文在支持向量机模型的基础上建立了结合核函数与参数寻优的预测模型,在径向基核函数、sigmoid核函数、多项式核函数以及线性核函数下分别使用了网格搜索法、遗传算法、粒子群算法对支持向量机的参数进行寻优,以此增强模型在实际中的应用性。本文首先总结了支持向量机算法以及对其优化方法的研究进展;然后阐述了支持向量机的理论基础;接着提出构造出基于参数优化的支持向量机预测模型的思路和所用算法的理论基础;最终将其应用在金融市场上,对选定的股票池中短期股票价格进行了预测,并进一步完成了股票的智能投顾策略,为股票投顾策略的分析提供新的视角和思路... 

【文章来源】：上海师范大学上海市

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

本文技术路线图

图 2-4 二维平面线性不可分到三维平面线性可分图 2-4 所示，在机器学习的过程中如果引入了核函数的话，那么就地提升处理非线性问题的能力，使得可以确保在高维空间中的内特性，从而降低了学习的困难程度，使问题的解决变得越发简单

图 2-5 K 折交叉验证网格法参数寻优原理图搜索法正是基于交叉验证的基础上，其基本原理就是让支的参数 C 和 g 在一定范围内取值，并将取值点划分为网格内所有的点进行取值，对于每个 C 和 g 的取值利用 k 折交


本文编号：3487138