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