基于ＰＣＡ－ＦＯＡ－ＳＶＲ的股票价格预测研究 王卫红，卓鹏宇
基于ＰＣＡ－ＦＯＡ－ＳＶＲ的股票价格预测研究
王卫红，卓鹏宇
摘要：研究股票价格预测问题，针对影响股票价格因素多存在数据冗余，传统方法无法消除数据冗
余，准确稳定预测股价非线性变化．为提高预测精度，在传统的支持向量机回归（Ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｒｅ－ｇｒｅｓｓｉｏｎ，ＳＶＲ）方法的基础上引入主成分分析（Ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ，ＰＣＡ）和果蝇算法（Ｆｒｕｉｔ ｆｌｙ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ，ＦＯＡ），提出了一种ＰＣＡ－ＦＯＡ－ＳＶＲ的股票价格预测方法．首先利用ＰＣＡ 对影响股票价格的因素进行分析降维，消除冗余信息，然后用果蝇算法优化ＳＶＲ 的参数，利用优化后的ＳＶＲ对非线性变化的股票价格建模预测．最后利用ＰＣＡ－ＦＯＡ－ＳＶＲ模型对宁沪高速（６００３７７）股票价格数据进行仿真实验．实验结果表明：与传统的 ＢＰ和ＳＶＲ相比，ＰＣＡ－ＦＯＡ－ＳＶＲ模型在股票价格预测中进一步减小了预测误差，有更高的预测精度，是一种有效可行的股票价格预测方法．
关键词：主成分分析；支持向量回归机；果蝇优化算法；股票价格预测
感谢分享
页:
[1]