基于ls-svm模型的证券价格可预测性研究

《基于ls-svm模型的证券价格可预测性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、对外经济贸易大学硕士学位论文基于LS-SVM模型的证券价格可预测性研究姓名：黄向前申请学位级别：硕士专业：金融学指导教师：刘立新201104摘要证券价格的可预测性一直是现代金融学的研究焦点，近年来国内外学者将许多线性或非线性模型应用于证券价格可预测性的研究，证实了证券价格的部分可预测性。虽然在结论上学者们己达成了基本一致，但是在研究方法上存在较大的分歧，模型的设计和参数的选取具有很大的优化空间。支持向量机模型由于其适用于有限样本、以结构风险最小化为训练目标、能够保证全局最优等优点迅速成为证券价格预测领域最优秀的模型之一。本文采用最小二乘支持向量机(LS-SVM)模

2、型对沪深300指数短期内的可预测性进行研究。为了探讨模型预测对于实际投资的指导意义，本文设计了模拟投资策略来比较投资的效果；为了检验输入向量对于预测结果的敏感性，文章加入了对照组进行对比分析；为了检验学习长度对于预测的影响，文章计算了最优的滑窗长度；在本文的第四部分，还运用了主成分分析法对输入向量进行优化。分析结论表明：我国证券价格具有明显的记忆性特征，具有一定的可预测性；根据LS—SVM模型预测结果进行投资比完全复制指数的投资策略有着更高的投资收益；历史收益率包含了证券市场的大部分信息，是影响预测的决定性变量；最近半年的市场信息对模型预测起着关键性的作用。关键词

3、：LS．SVM模型，主成分分析，可预测性，投资策略，有效市场AbstractInfinance，afocussubjectisthepredictabilityofsecuritypricewhichforeignanddomesticscholarsappliednonlinearorlinearmodelstostudy．Andtheconclusionstatesthatsecuritypricecanbepartlypredicted．Althoughmostscholarsreachanagreementontheconclusion．buttheres

4、tillexistalargeimprovementontheresearchmethod．BecauseSVMmodelfitsforlimitedsample．aimsatminimizingthestructuralriskandisabletoinsureoptimumglobally,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