基于ＰＣＡ－ＦＯＡ－ＳＶＲ的股票价格预测研究王卫红，卓鹏宇

[复制链接]

字体大小: 正常放大

杨利霞

5273 主题	82 听众	17万积分

TA的每日心情

	开心 2021-8-11 17:59

签到天数: 17 天

[LV.4]偶尔看看III

网络挑战赛参赛者

自我介绍: 本人女，毕业于内蒙古科技大学，担任文职专业，毕业专业英语。

群组: 2018美赛大象算法课程

群组: 2018美赛护航培训课程

群组: 2019年数学中国站长建

群组: 2019年数据分析师课程

群组: 2018年大象老师国赛优

电梯直达

1^#

发表于 2021-3-5 15:56 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

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