基于粒子群最小二乘支持向量机的股指波动率预测

为了提高金融波动率的预测精度及建模速度,文章提出一种基于粒子群算法优化最小二乘支持向量机(LSSVM-PSO)的波动率预测方法,利用LSSVM优良的非线性逼近能力预测波动率,通过PSO算法的全局快速优化特点选择LSSVM最优参数。以中国股市实际交易数据为样本,通过样本内预测和样本外预测验证了该方法的有效性。结果表明,LSSVM-PSO模型具有较高的预测精度和计算效率,是一种有效的股指波动率预测方法。