資源描述：
《基于支持向量機參數(shù)優(yōu)化算法的股票智能投顧策略研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、上海師范大學碩士學位論文中文摘要論文題目：基于支持向量機參數(shù)優(yōu)化算法的股票智能投顧策略研究論文類型：方案策劃學科專業(yè)：金融碩士學位申請人：高雯指導教師：趙金實摘要中國股票市場的變化對整個國家的市場經(jīng)濟動態(tài)而言是密不可分的，在推動我國國民經(jīng)濟增長上產(chǎn)生了重要的影響。相對于西方發(fā)達資本市場，我國當前股市主要的智能投顧策略仍有一定的缺陷，在機器學習領(lǐng)域，參數(shù)的優(yōu)化會直接對各模型的核函數(shù)和運行性能產(chǎn)生重要影響，參數(shù)設(shè)定主要依靠個人經(jīng)驗，不一定找得到全局最優(yōu)且缺少客觀性，這些問題導致了一些散戶投資者和企業(yè)投資商在投資上的失誤。因此對模型參數(shù)的尋優(yōu)以及股票的預測進行研究并以此指導廣大投
2、資者合理投資，具有重要的意義。為了更好地進行預測，本文在支持向量機模型的基礎(chǔ)上建立了結(jié)合核函數(shù)與參數(shù)尋優(yōu)的預測模型，在徑向基核函數(shù)、sigmoid核函數(shù)、多項式核函數(shù)以及線性核函數(shù)下分別使用了網(wǎng)格搜索法、遺傳算法、粒子群算法對支持向量機的參數(shù)進行尋優(yōu)，以此增強模型在實際中的應(yīng)用性。本文首先總結(jié)了支持向量機算法以及對其優(yōu)化方法的研究進展；然后闡述了支持向量機的理論基礎(chǔ)；接著提出構(gòu)造出基于參數(shù)優(yōu)化的支持向量機預測模型的思路和所用算法的理論基礎(chǔ)；最終將其應(yīng)用在金融市場上，對選定的股票池中短期股票價格進行了預測，并進一步完成了股票的智能投顧策略，為股票投顧策略的分析提供新的視角和思
3、路。實證結(jié)果表明：三種參數(shù)尋優(yōu)算法下，預測結(jié)果均比隨機預測精度要高，這說明對支持向量機參數(shù)調(diào)優(yōu)來對模型進行優(yōu)化是有效的。其中，徑向基核函數(shù)下使用遺傳算法參數(shù)尋優(yōu)的支持向量機表現(xiàn)出最好的預測效果，在股票市場的預測中最接近真實值，粒子群算法支持向量機預測效果稍遜于網(wǎng)格搜索法。另外，通過對比實驗得出，BP神經(jīng)網(wǎng)絡(luò)的預測精度比調(diào)參前的支持向量機模型預測結(jié)果還差。最后，本文利用訓練好的模型進行股I中文摘要上海師范大學碩士學位論文票智能投顧方案策劃?；販y結(jié)果顯示，本方案累計收益率跑贏大盤，最大回撤和夏普比率均好于參數(shù)調(diào)優(yōu)前模型的預測結(jié)果，在未來可以考慮使用調(diào)參后的支持向量機建立起股票智
4、能投顧模型用來投入實際應(yīng)用?；诒疚哪Ｐ徒⒌姆桨覆邉?，削弱了個人投資者在資本市場上的弱勢狀態(tài)，避免了一些情緒投資的出現(xiàn)，對我國量化投資的發(fā)展起到了積極的促進作用。本文建立的模型與神經(jīng)網(wǎng)絡(luò)模型或者其他的傳統(tǒng)人工智能算法相比，更具有經(jīng)濟適用價值，可以給投資者在一定程度上的指導。關(guān)鍵詞：支持向量機；參數(shù)優(yōu)化；智能投顧；股票價格預測模型II上海師范大學碩士學位論文英文摘要AbstractThechangesintheChinesestockmarketareinseparabletothedynamicsofthemarketeconomyoftheentirecountryan
5、dhavehadanimportantimpactonthepromotionofthegrowthofChina’snationaleconomy.Comparedwithwesternadvancedcapitalmarkets,China'scurrentstockmarket'smainsmartinvestmentstrategiesstillhavecertaindeficiencies.Inthefieldofmachinelearning,theoptimizationofparametersdirectlyaffectsthemodel'scorefunc
6、tionsandoperatingperformance.Theparametersettingmainlydependsonpersonalexperienceanddoesnotnecessarilyleadtooveralloptimality,meanwhile,itislackofobjectivity.Theseproblemshaveledtoerrorsintheinvestmentofsomeretailinvestorsandcorporateinvestors.Therefore,itisofgreatsignificancetostudytheopt
7、imizationofmodelparametersandthepredictionofstockstoguidethereasonableinvestmentofinvestors.Tobetterpredict,thispaperfurtherbuildsapredictionmodelthatcombineskernelfunctionandparameteroptimizationbasedontheSupportVectorMachinemodelusingthegridsearchmethod,theg
