基于支持向量机的中国股指期货回归预测研究

被引:29
作者
赛英 [1 ]
张凤廷 [1 ]
张涛 [2 ]
机构
[1] 山东财经大学管理科学与工程学院
[2] 山东财经大学会计学院
关键词
中国股指期货; 支持向量机; 遗传算法; 粒子群算法; 回归预测;
D O I
10.16381/j.cnki.issn1003-207x.2013.03.002
中图分类号
F724.5 [期货贸易]; F224 [经济数学方法]; F832.51 [];
学科分类号
020205 ; 1202 ; 120202 ; 0202 ; 0701 ; 070104 ; 1201 ; 020204 ;
摘要
本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。
引用
收藏
页码:35 / 39
页数:5
相关论文
共 5 条
[1]   关于统计学习理论与支持向量机 [J].
张学工 .
自动化学报, 2000, (01) :36-46
[2]  
统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000
[3]   Short term forecasting with support vector machines and application to stock price prediction [J].
Ince, Huseyin ;
Trafalis, Theodore B. .
INTERNATIONAL JOURNAL OF GENERAL SYSTEMS, 2008, 37 (06) :677-687
[4]   Application of support vector machines in financial time series forecasting [J].
Tay, FEH ;
Cao, LJ .
OMEGA-INTERNATIONAL JOURNAL OF MANAGEMENT SCIENCE, 2001, 29 (04) :309-317
[5]   Financial forecasting using support vector machines [J].
Cao, L ;
Tay, FEH .
NEURAL COMPUTING & APPLICATIONS, 2001, 10 (02) :184-192