社会媒体环境下基于EMD-DSVR的股票市场预测方法研究
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第
24卷第5期 2016年10月
安徽
建筑大学学报
Journal of
Anhui Jianzhu University
Vol .24 No .5 Oct .2016
DOI :10.11921/j .
issn
.2095-8382.20160519
社会媒体环境下基于EMD -D S V R 的股票市场预测方法研究
梁坤\张理政2
(1.合肥工业大学管理学院,合肥230009,2.安徽建筑大学管理学院,合肥230022)
摘要:现有的利用社会媒体预测股票市场的研究未能考虑股指时间序列所具有的多尺度特征。为了解决 这一问题,运用e m d 分解法、混沌分析理论和支持向量回归机,提出一种e m d -d s v r 股票市场预测方法。 首先分析股指时间序列多尺度与社会媒体变量序列多尺度间的内在联系,运用E M D 分解法将社会媒体变量 序列分解成不同尺度的基本模态分量;然后运用混沌分析理论和支持向量回归机对各模态分量进行建模和 预测;最后利用社会媒体变量序列的各模态分量对股票市场进行预测。运用所提出的e m d -d s v r 模型,对 上证指数和深成指数的日收盘值进行预测,实验结果表明,所提出的方法能有效提高对股指时间序列的预 测精度。
关键词:经验模态分解;股票收益;混沌理论;支持向量回归中图分类号:TP 391 文献标识码:A 文章编号:2095-8382(2016)05-106-05
Prediction Method of S tock Market Based on EMD-DSVR under Social Media Environment
LIANG
Kun 1,
ZHANG
Lizheng
2
(
l.School
of
M anagem ent ,
H efei
U niversity
of
Technology ,
H efei ,230009,
China
,
2
.School
of
M anagem ent,A nH ui
Jianzhu
U niversity ,
HeFei
,230022,
C hina
)
Abstract : The existing relevant research of social media-based market performance analysis fails to consider the
multi-scale of stock time series. To solve this problem, by employing the empirical mode decomposition (EMD), chaos theory and support vector regression, this paper presents an EMD-DSVR method to predict stock market. First, the intrinsic link between stock time series multi-scale and social media time series multi-scale has been analyzed; and by using EMD method, this paper decomposes the social media time series into many intrinsic modal function (IMF) which can significantly represent potential information of original time serial. Then, by using chaos theory and support vector regression, this paper predicts and sets models for each IMF. Finally, market performance is predicted by using the IMF of social media time series. In order to verify the effectiveness of EMD- DSVR model, the close value of Shanghai Composite Index and Shenzhen component index are predicted by using this model. The results show that our approach can effectively improve the prediction accuracy of stock time series. Keywords : empirical mode decomposition; stock time series; chaos theory; support vector regression
引言
股票市场是金融市场的重要组成部分,也是 国家经济运行状况的晴雨表。合理分析并预测股 票市场不仅能够引导股民进行正确投资,还可以
为政府提供股票市场宏观调控的理论依据,进而 保障经济平稳健康发展。
传统的股票市场分析与预测主要有基本面 法和技术分析法[1]。随着论坛、博客和内容社区 等社会媒体的快速发展与广泛应用,基于社会媒
收稿日期:2015-10-12基金项目:国家自然科
学基金重点项目(71331002),教育部博士学科点专项科研基金(20120111110027),安徽省软科学重大项目
(1302053009)
作者简介:梁
坤(1985-),男,博士生,主要研究方向为社会媒体分析与预测.