基于PCA-FOA-SVR的股票价格预测研究 |
| |
引用本文: | 王卫红,卓鹏宇.基于PCA-FOA-SVR的股票价格预测研究[J].浙江工业大学学报,2016(4):399-404. |
| |
作者姓名: | 王卫红 卓鹏宇 |
| |
作者单位: | 浙江工业大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学专项基金项目(61340058);浙江省自然科学基金重点项目(LZ14F020001) |
| |
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 regression,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-FOASVR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 |
本文献已被 CNKI 等数据库收录! |
|