论文部分内容阅读
本文利用支持向量机(support vector machine,SVM)和K近邻(K-nearest neighbor,KNN)相结合的算法研究证券价格的预测问题。这里选取两种途径研究,首先基于技术分析建立预测模型,选取证券的交易数据和技术指标,包括收盘价、成交量、最高价、移动平均(MA)等,利用支持向量机对其进行涨跌趋势预测,根据涨跌趋势结合K近邻算法对股票1天,7天和30天的收盘价、开盘价、最高价和最低价进行预测并构造价格预测区间,得出技术分析预测模型的平均绝对误差(MAE)为0.043,均方根误差(RMSE)为0.05。特别的是,建立技术分析模型后,选取20家股票公司根据价格区间和收盘价设定两种不同的投资策略,进行为期一个月的模拟投资得到收益0.06和0.09;其次基于财务数据建立综合预测模型,选取十家公司的交易数据和财务指标,包括收盘价、成交量、净资产收益、利润和每股收益率等,利用支持向量机对其进行涨跌趋势进行预测,根据涨跌趋势结合K近邻算法预测收盘价,得出综合分析预测模型的平均绝对误差的平均值为0.16,均方根误差为0.21。同样,综合分析中选取10家股票公司根据预测的涨跌趋势和收盘价设定投资策略,进行为期两年半的模拟投资,得到收益60%。由此说明,根据模型的预测结果可以得到一定的收益,证明模型的有效性。