支持向量机选择及其在股票走势预测中的应用

支持向量机(SVM)是数据挖掘中的一项新技术,是借助于最优化方法解决机器学习问题的新工具。在研究了股票数据的特点以及对股票预测的研究结果后,本文根据传统的SVM算法原理,提出一种在线选择训练样本的在线增量训练的方式完成模型更新的动态预测模型(DMDI),使得仅增加较小工作量为代价而获得更高的预测精度成为可能。应用DMDI对股市的大盘和个股的走势分别进行中短期预测,并跟神经网络的预测结果进行了比较。大量数值实验表明,DMDI模型比不进行选择的静态模型和神经网络模型对股票走势的预测更为有效,具有明显的优越性。