股票收益预测模型的比较与选择
来源期刊:湖南科技大学学报自然科学版2009年第2期
论文作者:盛焕烨 汤凌霄 汤凌冰
关键词:股票收益预测; 支持向量回归机; 多层感知器; 广义回归神经网络;
摘 要:计算金融是一门将机器学习的有关理论应用于金融研究的新兴学科.而股票收益预测则是金融研究的一个重要课题,在规避风险与投资决策中起着举足轻重的作用.作者基于统计学习的基本理论与计算金融的研究方法,将支持向量回归机这一新型神经网络应用于收益序列预测的回归分析,力求在克服数据过拟合现象的基础上寻找问题的全局最优解.通过交叉验证选择学习参数,实验表明基于二次规划与核函数理论的支持向量回归机能准确捕捉动态股票收益序列的波形特征,其预测性能与多层感知器以及广义回归神经网络进行比较.具有较为明显的优势.图4,表3,参12.
盛焕烨1,汤凌霄2,汤凌冰1
(1.上海交通大学计算机系,上海,200240;
2.长沙理工大学管理学院,湖南,长沙,410076;
3.湖南商学院计算机与电子工程学院,湖南,长沙,410205)
摘要:计算金融是一门将机器学习的有关理论应用于金融研究的新兴学科.而股票收益预测则是金融研究的一个重要课题,在规避风险与投资决策中起着举足轻重的作用.作者基于统计学习的基本理论与计算金融的研究方法,将支持向量回归机这一新型神经网络应用于收益序列预测的回归分析,力求在克服数据过拟合现象的基础上寻找问题的全局最优解.通过交叉验证选择学习参数,实验表明基于二次规划与核函数理论的支持向量回归机能准确捕捉动态股票收益序列的波形特征,其预测性能与多层感知器以及广义回归神经网络进行比较.具有较为明显的优势.图4,表3,参12.
关键词:股票收益预测; 支持向量回归机; 多层感知器; 广义回归神经网络;
【全文内容正在添加中】