您的位置: 零点财经>股票知识>量化投资> 基于SYM的复杂金融时序数列预测

基于SYM的复杂金融时序数列预测

2017-11-20 05:45:33  来源:量化投资  本篇文章有字,看完大约需要4分钟的时间

基于SYM的复杂金融时序数列预测

时间:2017-11-20 05:45:33  来源:量化投资

学会这个方法,抓10倍大牛股的概率提升10倍>>

通过对预测模型的多次训练,分别选择不同的训练样本,产生比较合适的训练模型,然后对后若干天的数据进行预测。实验中对后15天的沪深300指数进行预测,效果如表13-1所示,其中,MAPE为平均相对误差,RMSE为均方根误差。

从预测结果中可以看出,基于LS-SVM的时间序列预测效果能够比较真实地逼近实际指数,取得了满意的预测效果,预测的误差也比较小。但也由于证券的实际指数受很多复杂因素的影响,所以在某些点上预测的效果与实际指数还是有很大的偏差。但总的来说,基于LS-SVM的时间序列预测模型训练速度比较快,训练次数也相对较少,比传统的时间序列预测方法在效率和精度上都有了进一步提高。

SVM沪深300指数预测误差情况

表13-1  SVM沪深300指数预测误差情况

在实证中,同基子神经网络的时间序列预测方法进行了对比。其中神经网络预侧模型采用了RBF神经网络进行训练,得到如表13-2所示的实验结果。可以看出,基于LS-SVM的时间序列预侧算法比基于神经网络的预测方法具有更好的预测效果,而且训练速度比较快。

SVM指数预测和神经网络预测的比较

表13-2 SVM指数预测和神经网络预测的比较

总而言之,这里介绍的是最小二乘法向量机的金融时间序列预测模型和预测算法,并和基于网络神经的时间序列预测算法进行了对比实验。结果表明,预测精度和各项误差都有了一定的改进。LS-SVM具有神经网络的优势,且有效克服了神经网络的缺点,显示出训练速度快、运行效率较高等特点。

关键字: 沪深证券
来源:量化投资 编辑:零点财经

阅读了该文章的用户还阅读了

热门关键词

相关阅读

为您推荐

移动平均线
股票知识
MACD
老丁说股
热点题材
KDJ指标
读懂上市公司
成交量
股票技术指标
股票大盘
分时图
股市名家
概念股
缠中说禅
强势股
波段操作
股票盘口
短线炒股
股票趋势
涨停板
股票投资
长线炒股
股票问答
股票术语
财务分析
炒股软件
上证早知道
经济学术语
期货
股票黑马
股票震荡市场
理财
炒股知识
散户炒股
外汇
炒股战术
港股
基金
黄金








































































































































































































































































































































































































































































































































































































































































相关栏目推荐

栏目导航

友情链接

网站首页
股票问答
股票术语
网站地图

copyright 2016-2024 零点财经保留所有权 免责声明:网站部分内容转载至网络,如有侵权请告知删除 友链,商务链接,投稿,广告请联系qq:253161086

零点财经保留所有权

免责声明:网站部分内容转载至网络,如有侵权请告知删除