基于lsmwsvm的股票价格预测

《基于lsmwsvm的股票价格预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于LSMWSVM的股票价格预测基于LS…MWSVM的股票价格顶测杜贤利，姚洪升(怔苏大学系统工程研究所，tt亦镇投27><120<13)摘要:义拿基于小波分解理论和支持向量机核函数的条件，提出了最小二乘Morlet小波核的支持向受机(LS-MWSVM)算法。用该算法建模并对沪深3∞日收盘价进行预测，且与常用的RBF核的LSSVM模型及RBF神经网络模型的预测能力进行了比较。结果表明，LS-MWSVM的预测能力要好于其它两种模型。进一步得出，采用最小二乘支持向受机与小泼理论结合的组合模型对股市进行预测效果较好。关键诩:次预测

2、，);Morlet小波;核函，事t;LS-MWSVM中图分类号:TP30<1jF830文献标识码:A文章编号:<1002-6487(2008)<19斗062-03中。称为特征空间映射，日为特征雪间。用。把数据集从输o引菌入空间映射到特征空间是输入空间中的非线性拟合问题变成高维特征空间的线性拟合问题。高维特征空间的回归函数鉴于我国即将推出沪深3∞指数期货，所以对股指的准为(<1)确预测将变得愈加重要。但股票市场受罔缘政策，国内外经济f(x)==ω哈(x)+h==<ω·φ(直}>+h环境，按费者的预期等众多因素的影响

3、，以致于其时序是一种其中ω为日中的权向量，h为偏景(bias)，<'>表示内积。含噪声的，非线性的时序，所以想对股票价格进行准确预测将根据结构风阶最小化原理，结合考虑函数复杂度和拟合误比较闲难。传统的股票价格走势的分析中，相对稳定成熟的方差，回阳问题可以表示为等式的柬问题:法包指:l基本分析法和技术分析法。目前较多使用数最化模型<1._，TλTJ(ω，~)骂一ωω+~L(2)包括:时间序列方法、回归分析法和人士神经网络方法，支持2-_.2i例向盘机方法等<1<1阳。本文尝试采用Morlet小波构造了…个

4、核函约束条件为Yi=ω功(x}+b吨i其中~ieRi=I，2.…M为误撞数，并借鉴小被分析及通归的思想提出了最小工乘Morlet小变量。注意到J(ω忐)是由正则化项<1/2ω怡和误羡平方和项λ披支持向最机(Least叫uaresMorletwaveletsuppo眈vectorma??/2L~~组成，γ为一个正的实常嫩，它代表对回归误楚的惩chines)的滚动预测模型，将用该模型对用于沪深3∞指数每日收il价进行预测，并与传统的基于RBF核的LS-SVM和罚程度，为了求解上述优化问题，当ω维数较高时，直接计算RBF人工神经网

5、络预测模型进行了比较，从实验结果来看，对规划，布可能较难，因此将规划问题转化到对偶空间中，定义于股指这类复杂时间序列的预测LS-MWSVM模裂无论从训Lagrange函数:练速度还是预测精度上均要优于后面两类模型。Uω，b，~，α)=J(ω，。四五叫ω哈(xJ+b吨，明yJ典中α;eR为L,ιS-MWSVM的预删搁嚣a伊ange乘子。于是最优解的条件为:。L飞、<1.<1最小二乘支持向贵机太十=??~ω==L叫(风)..<1预测问题实际上是属于回归问翩，即通过函数估计方法aLn.??b叩v-叩.....j-，驭(3)建立输入

6、变量与输出变量的关系模型，并根据模型进行未来输出值得预测。SVM回归的基本思想就是通过一个非线性映。Lt?$02丰ω哈(茧;)+b吨-Yi=??叶，2....M......射将低维的输入空间映射到高维特征空间，在高维特征空间求解上面的方程，消去惠，ω得到如下结果:进行线性回归。d设数据为d维向巅，数据集(x，.Yi}i=<1.2.3，...’’’nX.eR为

7、。Ivlm(4)输入资锺(R为实数域)YteR为输出变量，且y，::f(XJ，i=<1,2,3,<1.n叫-<1IlαJlY<1…M，f(x)为待估计的米知函数。作为非

8、线性映射中民问日。其基金项目:国家自然科学基金资助项目(7040<10<13)62统计与决策2低<18年第<19期(总第27<1期)????????1?????????????1???????????????1???????1??????1??????獱症浡舍??剂??????????1??????1???1勎????????????曎??????????????椽????????????慧???????1?榣??棋????睡捴畡猎??1?????1??????杲??????????1?????1??????1????1??

9、?1?1???????楮???????????????1???????1?1????1????????1?沣??1??牡?1?牬症潲??????が牥灰?????????????1???虑??整汥??1????卖???????????????1??1?????????1敳??????1???