基于ls-svm模型的證券價格可預(yù)測性研究

基于ls-svm模型的證券價格可預(yù)測性研究

ID:32966250

大小:1.40 MB

頁數(shù):36頁

時間:2019-02-18

基于ls-svm模型的證券價格可預(yù)測性研究_第1頁
基于ls-svm模型的證券價格可預(yù)測性研究_第2頁
基于ls-svm模型的證券價格可預(yù)測性研究_第3頁
基于ls-svm模型的證券價格可預(yù)測性研究_第4頁
基于ls-svm模型的證券價格可預(yù)測性研究_第5頁
資源描述:

《基于ls-svm模型的證券價格可預(yù)測性研究》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、對外經(jīng)濟(jì)貿(mào)易大學(xué)碩士學(xué)位論文基于LS-SVM模型的證券價格可預(yù)測性研究姓名:黃向前申請學(xué)位級別:碩士專業(yè):金融學(xué)指導(dǎo)教師:劉立新201104摘要證券價格的可預(yù)測性一直是現(xiàn)代金融學(xué)的研究焦點,近年來國內(nèi)外學(xué)者將許多線性或非線性模型應(yīng)用于證券價格可預(yù)測性的研究,證實了證券價格的部分可預(yù)測性。雖然在結(jié)論上學(xué)者們己達(dá)成了基本一致,但是在研究方法上存在較大的分歧,模型的設(shè)計和參數(shù)的選取具有很大的優(yōu)化空間。支持向量機模型由于其適用于有限樣本、以結(jié)構(gòu)風(fēng)險最小化為訓(xùn)練目標(biāo)、能夠保證全局最優(yōu)等優(yōu)點迅速成為證券價格預(yù)測領(lǐng)域最優(yōu)秀的模型之一。本文采用最小二乘支持向量機(LS-SVM)模

2、型對滬深300指數(shù)短期內(nèi)的可預(yù)測性進(jìn)行研究。為了探討模型預(yù)測對于實際投資的指導(dǎo)意義,本文設(shè)計了模擬投資策略來比較投資的效果;為了檢驗輸入向量對于預(yù)測結(jié)果的敏感性,文章加入了對照組進(jìn)行對比分析;為了檢驗學(xué)習(xí)長度對于預(yù)測的影響,文章計算了最優(yōu)的滑窗長度;在本文的第四部分,還運用了主成分分析法對輸入向量進(jìn)行優(yōu)化。分析結(jié)論表明:我國證券價格具有明顯的記憶性特征,具有一定的可預(yù)測性;根據(jù)LS—SVM模型預(yù)測結(jié)果進(jìn)行投資比完全復(fù)制指數(shù)的投資策略有著更高的投資收益;歷史收益率包含了證券市場的大部分信息,是影響預(yù)測的決定性變量;最近半年的市場信息對模型預(yù)測起著關(guān)鍵性的作用。關(guān)鍵詞

3、:LS.SVM模型,主成分分析,可預(yù)測性,投資策略,有效市場AbstractInfinance,afocussubjectisthepredictabilityofsecuritypricewhichforeignanddomesticscholarsappliednonlinearorlinearmodelstostudy.Andtheconclusionstatesthatsecuritypricecanbepartlypredicted.Althoughmostscholarsreachanagreementontheconclusion.buttheres

4、tillexistalargeimprovementontheresearchmethod.BecauseSVMmodelfitsforlimitedsample.a(chǎn)imsatminimizingthestructuralriskandisabletoinsureoptimumglobally,itbecomesoneofthebestmodelsofpredictingsecurityprice.Inthispaper,weusedLS-SVMmodeltopredicttheearningrateofHuSheng300indexinshorttermandi

5、nvestedbasedontheprediction.Toinvestigatethepredictionshowtoguideactualinvestment,thispaperdesignssimulatedinvestmentstrategytocomparetheresultsofinvestment;totestthesensitivityofinputvectorstotheprediction,thispaperintroducesacomparisongroup;toanalyzetheimpactofstudylengthtopredictio

6、nresults,thispapercomputestheoptimallengthofslidingwindow;andintheforthpartofthisarticle,weusePrincipalComponentAnalysistooptimizetheinputvectors.TheconclusionofthisarticleindicatesthatsecuritypricehasnonlinearcharacteristicsinourcountryandiSabletobepredictedtosomeextent.whichputtheEM

7、Hhypothesisinquestion.Furthermore.theyieldrateofinvestmentbasedonLS.SVMmodelishigherthanindex.Inaddition.formerreturnofthesecuritycontainsmostinformationofthesecuritymarket.itiSthedecisivevariableofSVMforecastmodel.AndmarketinformationinlatesthalfyeariscriticaltothepredictionKeywords:

8、LS-SV

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。