基于ARIMA—SVM组合模型的股票价格预测

合集下载

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)。

ＭＡ—ＳＭ组合模型较单一的预测模型效果更为理想。Ｖ关键词：小波变换；非平稳时间序列；支持向量机组合模型；预测中图分类号：Ｐ９Ｔ３１文献标识码：Ｂ
ＲｅｅｒｈｏＳｏｋＰｒｃｅｉｔｏｓｄｏａｅｅｓａｃｎｔｃｉｅＰｒｄｃｉｎＢａｅｎＷｖｌｔ
ＡＢＳＲＡＣＴ：ｘｓｎｔｃｒｃｓｉｇｍｅｈｄａｅａｖｎａｅｎｉａｖｔｇｓｎｏｄｒｔｋｌｕｅｆｈＴＥｉｔｇｓｏｋｆｅａｔｔｏｓｈｖｄａｔｇｓａｄｄｓｄａａｅ．Ｉｒｅｍａｅｆｌｓｓｏｅｉｏｎｎｏｕｔ
ＤｅｏｃｍｐｓｉｎａｄＡＲＩＡ — ＳｏｉｏｎｔＭ－ＶＭｍｂｎｄＭｏｅＣｏｉｅｄｌ
ＣＥＧＣａｇｉＣＮＱａｇＪＧＹｎ —ｓｅｇＨＮｈｎ —ｐｎ，ＨＥｉｎ，ＩｏｇｈｎＡＮ
（ｕｎｄｎｓｔｅｏｄｃｔｎＧａｇｈｕＧａｇｏｇ５００，ｈａＧａｇｏｇＩｔｕｆｕａｏ，ｕｎｚｏｕｎｄｎ１３３Ｃｉ）ｎｉｔＥｉｎ
ａｄＡＲＩｎＭＡ —ＳＶＭｏｉｅｄｌｓｐｏｏｅ．Ｂｖｌｔｅｏｏｉｏｎｅｏｓｒｃｉｎ，ｔｅｎｎ—ｓａｉｎ — ＣｍｂｎｄＭｏｅｒｐｓｄｗａｙｗａｅｅｃｍｐｓｔｎａｄｒｃｎｔｔｄｉｕｏｈｏｔｔａｏｒｉｅ—ｔｅｒｅｏｏｅｔｗｆｑｅｃｉｎｌｎｅｅａｉｈｆｑｅｃｉａｓｈｉｈｆｑｅｃｙｔｍｅｓｉｓｗｅｅｄｃｍｐｓｄｉｏａｌｅｕｎｙｓｇａｄｓｖｒｌｇｅｕｎｙｓｇｌ．Ｔｅｈｇｅｕｎｙｎｏｒａｈｒｎｒ
ａｖｎａｅｆｓｏｋｆｒｃｓｎｔｏｓｏｄａｔｇｓｏｔｃｏｅａｔｇｍｅｈｄ，ａｎｎ—ｓａｉｎｒｉｅｉｓｐｅｉｔｎｍｅｈｄｂｓｄｏｖｌｔｒｎｆｒｉｔｔａｙｔｏｍｅｓｒｅｒｄｃｉｔｏａｅｎｗａｅｅａｓｏｍｏｔ
ｓｎｌｗｒｒｄｃｅｉｕｏ—ｒｇｅｓｏｄｌｉａｓｅｅｐｅｉｔｄｗｔａｔｇｈｅｒｓｉｎｍｏｅｓＡＲＩＭＡ，ａｄｔｅｌｗｅｕｎｙｗｓｐｅｉｔｄｗｔＶＭ．ＴｅｎｈｏｆｑｅｃａｒｄｃｅｈＳｒｉｈｐｅｉｔｎｒｓｌｏｅｏｇｎｉｅｅｓｔｅｓｐｒｍｐｓｉｎｏｅｒｓｅｔｅｐｅ—ｄｃｉｎｈｔｏｎｔｉｒｄｃｉｅｕｔｆｔｒｉａｔｏｈｉｌｍｅｓｒｓｗａｈｕｅｉｉｏｉｏｆｈｅｐｃｉｒｔｔｖｉｔ．Ｔｅｍｅｈｄｉｈｓｏ
熟，但是建模方法繁琐；工智能和神经网络适合非线性关人
１引言
股票价格变化是一种多自变量的时间序列数据，由于受公司经营状况、财务状况、观经济状况和制度政策等多种宏
ｐｐｒｉｅｔｒｔａｈｒｄｔｎｌｏｓｎｅｏｔｉｅｅｕｔｉｈｓｐｐｒｉｌｓｏｔｅａｔａａｕ．ａｅｓｂｔｅｈｎｔｅｔｉｏａｍｅｈｄ，ａｄｔｂａｎｄｒｓｌｎｔｉａｅｓｃｏｅｔｈｃｕｖｅａｉｌｈｌｌＫＥＹＷＯＲＤＳ：ｖｌｔｄｃｍｐｓｔｎＷａｅｅｅｏｏｉｏ；Ｎｎ—ｓａｉｎｒｉｅｅ；ＡＲＩｉｏｔｔａｙｔｏｍｅｓｒｓｉＭＡ —ＳＶＭｏｉｅｄｌｒｄｃｉｎｃｍｂｎｄｍｏｅ；Ｐｅｉｔｏ
第２卷第６９期
文章编号：０６９４（０２００４ — ４１０ — ３８２１）６— ３３０
计
算
机
仿
真
２１年６０２月
基于ＡＲＭＡ —ＳＭ组合模型的股票价格预测ＩＶ
程昌品，陈强，姜永生
（广东第二师范学院计算机科学系，广东广州５００）１３３摘要：现有的股票价格准确预测方法各有优缺点，了发挥各种预测方法的优点，出二进正交小波变换和ＡＩ为提ＲＭＡ—ＳＭＶ
方法的非平稳时间序列预测方案。使用小波分解算法对数据进行分解，离出非平稳时间序列中的低频信息和高频信息；分
然后对高频信息构建自回归模型ＡＩＲＭＡ预测，对低频信息则用ＳＶＭ模型进行拟合；最后将各模型的预测结果进行叠加，从
而得到原始时间序列的预测值。将预测结果与实际值比较，组合模型具有较好的预测效果。经实验证明，波分解的ＡＩ小Ｒ—