尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术很难揭示其内在的规律。支持向量机(Support Vector Machine,简称SVM)是借助优化方法解决数据挖掘中若干问题的有力工具,它不仅有着统计学习理论的坚实基础,而且具有直观的几何解释... 展开 股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术很难揭示其内在的规律。支持向量机(Support Vector Machine,简称SVM)是借助优化方法解决数据挖掘中若干问题的有力工具,它不仅有着统计学习理论的坚实基础,而且具有直观的几何解释和完美的数学形式,并在一定程度上克服了“维数灾难”和“过学习”等传统困难,可以用来解决许多其他技术无法解决的问题,具有良好的拟合精度和泛化能力。本文主要研究支持向量机在股票预测中的应用,论文主要内容如下: 首先,对股票的相关背景知识及传统的股票预测方法进行了介绍。同时,对影响股票的因素进行分析,提出了预测股票的参数选择策略,并对股票预测的过程进行了全面的介绍,提出了一种可应用非线性支持向量机的参数选择方法。 其次,将两种支持向量机的算法,一阶加速算法和ε-SVM算法,应用在股票的趋势预测和价格预测中。并采用最近几年的数据进行了数值试验,对上证股票的趋势和价格进行了预测,取得了基本令人满意的效果。 最后,对本文的工作进行总结,并提出了进一步研究的课题。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。