论文部分内容阅读
股票作为金融市场最主要的金融工具之一，其价格波动能否预测、以及用何种方法进行预测，一直以来都是金融领域研究的焦点问题之一。国内外对股票价格波动进行预测的模型种类很多，然而不论哪一种模型，目前的研究都局限于通过己知的时间序列来预测将来的时间序列，这类模型对于预测没有历史时间序列的新股IPO无能为力。 支持向量机采用结构风险最小化原则，使风险只与输入样本数目有关，而与输入的维数无关，从而避免“维数灾难”，克服了传统神经网络收敛速度慢，存在局部极小值等缺点，具有较好的泛化能力。本文将这个方法应用于新股IPO价格的预测，预测效果基本令人满意。本文还另外讨论了核函数及其参数对预测结果的影响。因此基于支持向量机的新股IPO价格预测模型对股票价格研究有着重要的参考价值。