SVM与BP网络对基金波动的预测效果比较分析

运用支持向量机(Support Vector Machine,SVM)预测基金波动率时间序列,并将Back-propagation(BP)神经网络作为基准方法,实验选取沪深交易所上市的6只样本基金,根据选用的性能评价尺度:正则均方误差(NMSE),平均绝对误差(MAE)以及方向对称(DS)指标,仿真结果表明在预测基金波动率问题上,SVM比BP有更好的预测精度。文章最后给出解释。