基于GARCH-SVM模型的股票价格波动分析

作为一个复杂多变的混沌系统,如何对股票市场进行预测一直是人们关注的问题。利用股票基本信息、时间序列模型结果、投资者关注度和投资者情绪对股价波动三步SVM预测,提出一种能预测股票价格波动的SVM算法。研究结果表明,与仅用基本面信息的SVM预测相比,加入GARCH模型和时间序列分析可以提高支持向量机的预测,精度改善预测模型。同时,通过添加相关指标——投资者情绪与投资者关注度,可以使SVM预测进一步提高。此外,与牛市和熊市相比,震荡市中投资者情绪和投资者关注度指标对SVM预测精度的影响更大。