基于PCA-SVM组合模型的股票价格预测

胡照跃　白艳萍

(作者单位：中北大学理学院数学系)



基于PCA-SVM组合模型的股票价格预测

胡照跃白艳萍

股票市场是个非稳定的时间序列，本文将支持向量机与主成分分析(PCA-SVM)结合对股票进行回归预测分析，以奥特迅(002227)为对象进行建模和预测研究。选取奥特迅90天的股票技术指标历史数据作为训练样本对收盘价进行预测，10天数据进行检验，并通过图像拟合来验证神经网络股票预测的可行性和准确性。

支持向量机；主成分分析；股票预测

1.引言

股票是市场经济的产物，股票的发行与交易促进了市场经济的发展。对股票投资者来说，未来股价变化趋势预测越准确，对利润的获取及风险的规避就越有把握。传统的股票技术分析方法有移动平均线法、点数图法、K线图法等，它们可以预测一段时间内股指变换的大致走势，但短期股票价格的变化往往是投资者更感兴趣的信息。不少研究者将目光投向基于人工神经网络建立的预测模型，并取得了较好的预测效果[1]。SVM对经验的依赖较小，能够获得全局最优解，具有良好的泛化性能，从而有效地克服了神经网络等方法无法避免局部极值的问题。由于影响股票预测的因素很多，这些因素之间存在高度的非线性、存在数据冗余等特征。因此，本文用主成分分析法对输入因子进行主成分提取并结合支持向量机对股票的开盘数进行预测。

2.支持向量机

支持向量机(SVM)是一种机器学习方法，它的基础是Vapnik创建的统计学习理论，采用了结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化能力。……