期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于支持向量机的上证指数预测研究 被引量：2

Prediction on Shanghai Composite Index Based on Support Vector Machine
下载PDF
导出
摘要 基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。 This paper predicts Shanghai Stock Exchange （SSE） Composite Index based on the prediction model of support vector maeltine （SVM）, compares its predicting result with that of BP neural network, and concludes that the prediction model of SVM is higher in matching and predicting accuracy, and better than BP neural network; in addition, the prediction model of SVM is quicker and higher in calculation and accuracy with better promotional and practical values.
作者 张翔宇 王富森 杨凌杰 刘海飞
机构地区 南京大学工程管理学院
出处 《商业经济》 2011年第3期104-106,共3页 Business & Economy
基金 教育部博士点基金项目(20100091120050) 江苏省人文社科基金项目(10EYC019) 南京大学人文社科项目:基于企业家非理性行为的企业投资行为研究
关键词 支持向量机 上证指数 预测 BP神经网络 support vector machine （SVM）, Shanghai Stock Exchange （SSE） Composite Index, prediction, BP neural network
分类号 F830 [经济管理—金融学]
  • 相关文献

参考文献5

  • 1许建华,张学工,李衍达.支持向量机的新发展[J].控制与决策,2004,19(5):481-484. 被引量：132
  • 2Ince H, Trafalis T. Short term forecasting with support vector machines and apphcation to stock price prediction[J]. International Journal of General Systems.2008 ; 37(6):677-687.
  • 3Atsalakis G, Valavanis K. Surveying stock market forecasting techniques-Part II: Soft computing methods [J]. Expert Systems with Application. 2009,36:5632-5941.
  • 4Yang H, Huang K, King I, Lyu M. Localized support vector regression for time series prediction [J].Neurocomputing. 2009,72(10-12):2659-2669.
  • 5Ou P, Wang H. Prediction of stock market index movement by ten data mining techniques [J]. Modem applied Science. 2009,3(12):28-42.

二级参考文献25

  • 1[1]Boser B E, Guyon I M, Vapnik V N. A training algorithm for optimal margin classifiers[A]. The 5th Annual ACM Workshop on COLT [C]. Pittsburgh:ACM Press, 1992. 144-152.
  • 2[2]Cortes C, Vapnik V N. Support vector networks[J].Machine Learning, 1995, 20(3): 273-297.
  • 3[3]Drucker H, Burges C J C, Kaufman L, et al. Support vector regression machines [A]. Advances in Neural Information Processing Systems[C]. Cambridge: MIT Press, 1997. 155-161.
  • 4[4]Vapnik V N, Golowich S, Smola A. Support vector method for function approximation, regression estimation and signal processing [A]. Advances in Neural Information Processing Systems [ C ].Cambridge: MIT Press, 1997. 281-287.
  • 5[5]Vapnik V N. The Nature of Statistical Learning Theory[M]. New York: Springer-Verlag, 1995.
  • 6[6]Vapnik V N. Statistical Learning Theory [M]. New York: Wiley, 1998.
  • 7[7]Vapnik V N. The Nature of Statistical Learning Theory [M]. 2nd edition. New York: SpringerVerlag, 1999.
  • 8[8]Platt J. Fast training of support vector machines using sequential minimal optimization [ A ]. Advances in Kernel Methods - Support Vector Learning [C].Cambridge: MIT Press, 1999. 185-208.
  • 9[9]Suykens J A K, Vandewalle J. Least squares support vector machines [J]. Neural Processing Letters, 1999, 9(3): 293-300.
  • 10[10]Scholkopf B, Smola A J, Williamson R C, et al. New support vector algorithms [J]. Neural Computation,2000, 12(5) :1207-1245.

共引文献131

同被引文献13

引证文献2

二级引证文献17

商业经济
2011年 第3期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部