基于SVC的证券行情周K线涨跌预测
□ 王智钢[1,2] 王池社[1,2] 李广水[1] 王蓁蓁[1]
[1]金陵科技学院信息技术学院,江苏南京211169 [2]江苏省信息分析工程实验室,江苏南京211169
摘 要:
线性预测方法难以描述金融时间序列的非线性特征，神经网络具有非线性逼近能力，但会出现“过学习”现象，已有研究用SVR对证券行情进行短期预测，因证券短期行情具有一定随机性，预测的正确率和实际意义并不理想。提出一种基于SVC的证券行情周K线涨跌预测模型，该模型仿真实验的综合预测正确率为60．78％，上涨预测正确率为62．5％，按照模型预测结果进行证券交易的年化收益率可达10．72％。
特别说明：本文献摘要信息，由维普资讯网提供，本站只提供索引，不对该文献的全文内容负责，不提供免费的全文下载服务。
相关文章- 膝关节置换时胫骨骨缺损分类
- 基于Sugeno型模糊神经网络的外周血白细胞自动分类研究
- 面向分类去噪问题的模糊支持向量机新算法
- 边界邻近支持向量机
- 计算机辅助潜在分析应用研究
- 彩色序列图像中的人脸检测与跟踪
- 基于支持向量机的控制图模式识别
- 基于多种核函数的SVM在垃圾邮件过滤中的应用
- 基于聚类支持向量机的船用污水处理装置故障诊断
- 代价与样本相关的简约核支持向量机
- 基于不对称性的相似汉字识别方法
- 一种手写体大写金额串的分割新方法
- 肩锁关节损伤
- 支持向量机方法在《伤寒论》方分类建模中的应用
- IT职业分类课题研究成果及对职业院校课程设置和学生择业与就业的引导作用
- 非均衡数据的支持向量机新方法
- 基于RBF核的SVM及RVM模式分析性能比较
- 基于数据挖掘技术的板形缺陷模式识别
- 基于支持向量机的图像型火灾探测算法
- 2015中国APP分类排行榜