穆进超
- 作品数：2 被引量：6H指数：1
- 供职机构：兰州大学信息科学与工程学院更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于SVM的多变量股市时间序列预测研究被引量：6
- 2010年
- 目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高。提出采用基于支持向量机SVM(Support Vector Machines)的多变量股市时间序列预测算法,来提高预测准确度。SVM训练算法中,合适的参数可以使训练模型具有更好泛化能力。交叉验证具有指导参数选择的能力,然而考虑到交叉验证算法效率不高的问题,将其并行化,既达到了参数优选的目的,又避免了传统交叉验证效率低的问题。然后,根据较优参数建立多变量SVM时间序列回归预测模型,进行预测。实验证明,预测平均绝对百分比误差控制在10%以内,并且较之单变量的SVM回归预测有更好的泛化能力。
- 金桃岳敏穆进超宋伟国何艳珊陈毅
- 关键词：支持向量机多变量
- 多要素SVM时间序列预测研究及其并行化实现
- 支持向量机作为新提出的机器学习方法，克服了传统的线性统计方法和神经网络的局限性，因而被广泛应用模式识别、分类和预测中。近年来，随着支持向量机的广泛应用和技术的不断改进，推动了时间序列预测水平的发展。
本文通过研...
- 穆进超
- 关键词：支持向量机时间序列预测
- 文献传递
