收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量机学习的金融数据预测研究

张琬琼  
【摘要】:金融数据作为一种具有高噪声、非线性的复杂时间序列数据,常被作为时间序列研究者的首选。股票市场作为金融市场的代表性数据,可以用其来衡量金融市场的发展情况。为了研究股票市场的发展趋势,将分析股票市场方法分为两个方面:基本面分析和技术分析。基本面分析从国家宏观指标、经济政策等方面出发,结合金融经济理论,分析股票的趋势;技术分析则是通过研究股票市场的数据,提出相关理论以及研究技术指标等发现股票趋势。股票市场的波动反映了国家经济的变化,在当今经济全球化的背景下,研究股票市场的发展趋势以及各国各地区之间的经济相关性是至关重要的。作为一种技术分析策略,机器学习方法抛除基本面原因直接从数据出发,研究其中的内在规律,通过将股票市场数据作为输入,可以输出对未来发展的预测。从研究效果上看,机器学习方法为研究金融数据的发展提供了一种新思路。本文的研究内容主要为以下几方面。首先,我们建立了一种基于支持向量机与核主成分的KPCA-SVM模型。选取上证指数、香港恒生指数、日经225指数、美国纳斯达克指数以及德国DAX30指数近30年的原始数据和通过原始数据得到的MACD、KDJ等技术指标以及30天内的开盘价相关数据作为自变量,对第二天的涨跌和收盘价进行预测,预测的性能指标表现优秀。其次,由于金融数据是一个时间序列数据,而KPCA-SVM模型忽略自变量之间的自相关性,在未进行时间序列处理的前提下,将前30天的数据作为可能影响结果的自变量处理。KPCA-SVM模型的结果与传统的时间序列ARIMA模型预测结果进行对比,结果发现支持向量机在回归预测方面的性能指标均高于ARIMA模型。最后,将KPCA-SVM模型运用在其他股指上,对比其对其他股指的分类回归预测效果。结果表明,该模型具有很好的泛化能力,作用在各股市指数上均有很好的预测效果,最低的分类准确率为73.6%,且对收盘价预测的趋势与原数据趋势保持一致。在此基础上为了研究股指之间的相关性,进一步分析影响的作用方向。计算三年之间各大股指之间的Pearson相关系数,结果发现,研究时间越短,各大股指之间相关性越高,研究股指长时间的相关性可能会造成信息损失,导致结果偏差。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 董本清;;机器学习与支持向量机[J];软件工程师;2007年07期
2 姚雨琪;;基于机器学习的股票分析与预测模型研究[J];市场周刊;2019年02期
3 陈永义;支持向量机方法与模糊系统[J];模糊系统与数学;2005年01期
4 朱智贤;;基于机器学习在股票投资的研究[J];大众投资指南;2019年07期
5 李绍荣;;专栏评述[J];电子科技大学学报;2011年01期
6 李琳;张晓龙;;支持向量机学习方法的选择与应用[J];武汉科技大学学报(自然科学版);2006年01期
7 娄棕棋;;机器学习的理论发展及应用现状[J];中国新通信;2019年01期
8 王毅;;支持向量机技术及其应用研究[J];中国高新技术企业;2008年15期
9 李应红,尉询楷;支持向量机和神经网络的融合发展[J];空军工程大学学报(自然科学版);2005年04期
10 梁元浩;;基于支持向量机的股指期货超短期预测研究[J];信息与电脑(理论版);2015年05期
11 朱明放;王树勋;;基于支持向量机的邮电业务总量的预测[J];微计算机信息;2008年03期
12 刘解放;侯振雨;吴亮;;支持向量回归及其在农产品成分分析中的应用[J];广东农业科学;2007年12期
13 李彤;;支持向量机的分解理论算法研究[J];河南科技;2013年02期
14 曲晓峰;苗东旭;王树新;王振羽;甄宏;刘烁;;基于监测数据的蓄能设备故障预测方法研究[J];智能计算机与应用;2019年05期
15 孙璐;;支持向量机理论浅谈[J];电脑迷;2018年08期
16 姚兆;陈喜龙;黄丹丹;;常用支持向量机算法分析[J];数字技术与应用;2010年06期
17 赵闰楷;;基于支持向量机的天气舒适度预测模型研究[J];通讯世界;2018年10期
18 罗芳琼;;支持向量机在降水预报中的应用综述[J];广西科技师范学院学报;2017年02期
19 胡哲;郑诚;闵鹏鹏;;支持向量机及其应用研究[J];重庆科技学院学报(自然科学版);2008年02期
中国重要会议论文全文数据库 前20条
1 陈翠云;刘志宇;宫月;;基于机器学习的网络入侵检测模型及方法研究[A];第六届全国网络安全等级保护技术大会论文集[C];2017年
2 卫雷;安张辉;;基于机器学习的地震剩余时间预测方法研究[A];2020年中国地球科学联合学术年会论文集(十四)—专题四十:地震波传播与成像、专题四十一:高压实验矿物学、岩石学与地球化学、专题四十二:地球物理人工智能和信息技术进展[C];2020年
3 程文凯;杜劲松;;利用机器学习方法重构地磁日变的相关讨论[A];2020年中国地球科学联合学术年会论文集(十四)—专题四十:地震波传播与成像、专题四十一:高压实验矿物学、岩石学与地球化学、专题四十二:地球物理人工智能和信息技术进展[C];2020年
4 Jonny Bentwood;;营销中的AI应用与未来发展[A];清研智库系列研究报告(2020年第5期)[C];2020年
5 夏振华;郭先文;陈十一;;关于机器学习RANS建模的一些思考[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
6 王子敬;吴晓妍;宋诚谦;秦丰华;罗喜胜;;基于GPU并行和机器学习的气固相互作用研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
7 彭俊;胡宗民;姜宗林;;基于机器学习预测激波相互作用位置的研究[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
8 赖力鹏;;机器学习与计算化学方法在小分子药物筛选与开发中的应用实践(英文)[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
9 沈超;侯廷军;;基于人工智能技术的蛋白-小分子打分方法研究[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
10 张伟;;一种用于流动模拟及建模的机器学习方法[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
11 无奇;尹杰茜;余晨;王海明;洪伟;;机器学习辅助的多目标天线优化方法[A];2019年全国天线年会论文集(下册)[C];2019年
12 倪欢欢;韩益亮;段晓巍;李喆;;机器学习中的安全和隐私问题研究进展[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
13 周信哲;陈永娟;蒲文鹏;;机器学习在水质预测中的应用[A];2020中国环境科学学会科学技术年会论文集(第四卷)[C];2020年
14 柏晓东;张伟;;基于机器学习的湍流涡激运动[A];第三十一届全国水动力学研讨会论文集(上册)[C];2020年
15 陈一;吴笛;段俐;康琦;;机器学习在BM对流研究中的应用[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
16 骆新斗;郭昊;刘沛清;;基于机器学习对低雷诺数下平板转捩模拟修正[A];第十一届全国流体力学学术会议论文摘要集[C];2020年
17 杨学志;陆达伟;刘倩;江桂斌;;辨微识源:颗粒物的同位素指纹分析[A];中国化学会第22届全国色谱学术报告会及仪器展览会论文集(第一卷)[C];2019年
18 ;中国人工智能产业研究报告(Ⅲ) 公开版 2020年[A];艾瑞咨询系列研究报告(2020年第12期)[C];2020年
19 宁宣凤;吴涵;陈胜男;刘阳璐;;人工智能的伦理准则与现行规制[A];《上海法学研究》集刊(2020年第13卷 总第37卷)——金杜律师事务所、金杜研究院文集[C];2020年
20 苟香建;李鸿翔;杨邦烈;陈礼雪;王琦;刘亚西;卢艳丽;;一个用于预测植物单氨基酸替换功能效应的机器学习工具[A];第十九届中国作物学会学术年会论文摘要集[C];2020年
中国博士学位论文全文数据库 前20条
1 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
2 殷曦;基于机器学习及统计计算模型的膜蛋白结构预测[D];上海交通大学;2017年
3 杨静;蛋白质残基相互作用预测及其在结构建模中的应用研究[D];上海交通大学;2018年
4 韩启迪;基于非线性成矿动力系统的机器学习方法应用研究[D];中国地质大学(北京);2019年
5 薛红新;基于机器学习方法的分类与预测问题研究[D];中北大学;2019年
6 刘浏;基于机器学习的恶意代码检测与分类技术研究[D];国防科技大学;2017年
7 陈旭展;基于机器学习的智能机器人环境视觉感知方法研究[D];华中科技大学;2019年
8 吴念;CO_2电还原的理论计算研究[D];武汉大学;2019年
9 胡胜山;面向机器学习的安全外包计算研究[D];武汉大学;2019年
10 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年
11 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年
12 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年
13 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年
14 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年
15 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年
16 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年
17 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年
18 符丹卉;基于MRI结构成像与静息态功能成像影像特征的机器学习法在AIDS患者中的应用研究[D];广西医科大学;2019年
19 Kashif Sultan(克希夫);5G移动通信网络中的呼叫记录分析[D];北京科技大学;2019年
20 梁霄;机器学习在量子物理学中的应用[D];中国科学技术大学;2019年
中国硕士学位论文全文数据库 前20条
1 张琬琼;基于支持向量机学习的金融数据预测研究[D];大连理工大学;2020年
2 廖映希;基于支持向量机的理财产品设计[D];广东财经大学;2016年
3 李汉琛;基于支持向量机理论的股指期货量化交易策略研究[D];浙江大学;2016年
4 卢钰;基于参数优化的支持向量机股票市场趋势预测[D];浙江工商大学;2013年
5 赵慧婷;基于机器学习的股指CTA策略的研究与实现[D];上海交通大学;2019年
6 谭洁琦;我国股指期货对股票市场的影响研究[D];湖南大学;2012年
7 文成;基于机器学习方法的股票数据研究[D];重庆理工大学;2011年
8 南光浩;模糊支持向量机算法研究[D];延边大学;2007年
9 曾中铭;基于机器学习的金属有机框架合成信息提取及形貌测量[D];厦门大学;2019年
10 林兵;机器学习在辐射源个体识别上的应用[D];厦门大学;2019年
11 万晓玥;基于机器学习的水域通信网安全技术研究[D];厦门大学;2019年
12 万露;强PUF抗机器学习攻击方法研究[D];湖南大学;2019年
13 徐英杰;基于机器学习的个人信用风险评估研究[D];西南财经大学;2019年
14 刘航;如何运用金融周期和经济周期改进大类资产配置?[D];厦门大学;2019年
15 李凌宇;基于机器学习方法的量化多因子选股研究[D];厦门大学;2019年
16 关松林;机器学习在疾病诊断中的应用[D];重庆大学;2019年
17 曹甜;基于机器学习的浏览器指纹异常检测模型研究[D];中南财经政法大学;2019年
18 Tahiry ANDRIAMANANTENA;机器学习和”克强指数”预测中国GDP增长[D];厦门大学;2019年
19 邱佳;量子力学辅助的机器学习算法对AIE效应的预测和理解[D];华南理工大学;2019年
20 孟圣然;基于机器学习的机械产品结构建模技术研究[D];杭州电子科技大学;2019年
中国重要报纸全文数据库 前20条
1 骆无意;机器学习可改变人类探测太空方式[N];中国航天报;2020年
2 复旦大学社会学系 胡安宁;以机器学习方法助力因果推断[N];中国社会科学报;2018年
3 华安期货 王力纬;机器学习在期货投资中的应用研究[N];期货日报;2021年
4 记者 张梦然;机器学习成功模拟并预报流感传播[N];科技日报;2021年
5 熊一舟 编译;当机器学习误入歧途[N];社会科学报;2021年
6 方德;联合国欧洲经济委员会:机器学习为生成现代、高效的统计数据铺平道路[N];人民邮电;2021年
7 采访人 本报记者 卢健;“中间三天”问题 最对机器学习“胃口”[N];中国气象报;2020年
8 ;你也可以体验的机器学习[N];电脑报;2020年
9 记者 张梦然;机器学习诞生新型“研究员”[N];科技日报;2020年
10 记者 刘霞;机器学习发现数百种潜在新冠药物[N];科技日报;2020年
11 InfoWorld网站特约编辑兼评论员 Martin Heller 编译 陈琳华;如何选择云机器学习平台[N];计算机世界;2020年
12 CIO.com一名资深撰稿人 Clint Boulton 编译 沈建苗;机器学习的5个成功案例[N];计算机世界;2020年
13 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年
14 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年
15 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年
16 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年
17 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循?[N];计算机世界;2019年
18 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花?[N];科技日报;2019年
19 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年
20 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978