基于GARCH-SVM和AR-SVM的个股涨跌预测

被引：1

作者：

韩瑜 ^{[1
]}

刘淑环 ^{[2
]}

机构：

[1] 中国政法大学商学院

[2] 中国政法大学科学技术教学部

来源：

大连海事大学学报(社会科学版) | 2016年 / 15卷 / 03期

关键词：

SVM; GARCH; AR; 投资者情绪; 投资者关注度; 股价涨跌预测;

D O I：

暂无

中图分类号：

F830.91 [证券市场]; F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

提出一种基于GARCH-SVM、AR-SVM和投资者关注度及情绪指标的股票涨跌预测方法。结果表明,加入GARCH或AR等时间序列模型的初步预测结果可以提高SVM预测准确率,这种SVM预测算法既考虑到时间序列的特性,又解决了多变量非线性分类问题。同时,通过加入投资者关注度和投资者情绪的相关指标,可以进一步提高SVM预测的有效性。研究结果还表明,与牛市和熊市相比,投资者关注度和情绪指标在震荡市中对预测精度的影响更大。

引用

页码：25 / 30

页数：6

共 10 条

[1] 基于微博搜索和SVM的股市时间序列预测研究
周胜臣
施询之
瞿文婷
石英子
孙韵辰
[J]. 计算机与现代化, 2013, (04) : 22 - 26
[2] 基于相空间重构的LS-SVM股票价格预测
林琦
吴少雄
[J]. 福建工程学院学报, 2010, 8 (03) : 300 - 303
[3] 基于时间序列的支持向量机在股票预测中的应用
彭丽芳
孟志青
姜华
田密
[J]. 计算技术与自动化, 2006, (03) : 88 - 91
[4] 投资者情绪及其对股票市场收益的影响研究[D]. 高大良.湖南大学. 2013
[5] 基于情绪指数和神经网络的上证指数预测研究[D]. 田鑫.哈尔滨工业大学. 2012
[6] 基于小波分析和ARMA-SVM模型的股票指数预测分析[D]. 丁玲娟.华东师范大学. 2012
[7] Measuring economic uncertainty and its impact on the stock market[J] . Michal Dzielinski.Finance Research Letters . 2011 (3)
[8] Investor sentiment and the mean–variance relation[J] . Jianfeng Yu,Yu Yuan.Journal of Financial Economics . 2010 (2)
[9] Forecasting stock market movement direction with support vector machine[J] . Wei Huang,Yoshiteru Nakamori,Shou-Yang Wang.Computers and Operations Research . 2004 (10)
[10] Financial time series forecasting using support vector machines[J] . Kyoung-jae Kim.Neurocomputing . 2003 (1)

← 1 →