| 混合多个SVR模型的金融时间序列预测 |
| |
| 引用本文： | 陈钟国. 混合多个SVR模型的金融时间序列预测[J]. 微型电脑应用, 2013, 29(3): 17-20,23 |
| |
| 作者姓名： | 陈钟国 |
| |
| 作者单位： | 上海交通大学软件学院,上海,200240 |
| |
| 摘 要： | 基于支持向量回归(SVR)进行金融时间序列预测,使用PSO算法确定SVR超参数,并用实验的方法选择合适的SVR输入向量。为了解决金融时间序列非平稳性导致的单一SVR模型预测精度不稳定的问题,提出一种混合多个SVR模型的预测算法,选取训练数据的不同子集训练出多个SVR模型,采用对多个模型的预测结果加权求和的方法进行预测,各个模型的权重根据其预测误差动态调整。在全球5大股指上的实验表明,该算法的预测能力明显优于单一SVR模型。
|
| 关 键 词： | 支持向量回归 金融时间序列预测 非平稳性 混合多个模型 |
Financial Time Series Forecasting by Combining Multiple SVR Models |
| |
| Chen Zhongguo. Financial Time Series Forecasting by Combining Multiple SVR Models[J]. Microcomputer Applications, 2013, 29(3): 17-20,23 |
| |
| Authors: | Chen Zhongguo |
| |
| Affiliation: | Chen Zhongguo(School of Software,Shanghai Jiao Tong University,Shanghai 200240,China) |
| |
| Abstract: | |
| |
| Keywords: | SVR (Support vector regression) Financial time series forecasting Non-stationary Combining Models |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
