基于改进的支持向量回归机的金融时序预测  

Financial Time Series Forecasting Based on Modified Support Vector Regression Model

作　　者：陈懿冰[1,2] 张玲玲[1,2] 聂广礼[3,4] 石勇[2,5] 

机构地区：[1]中国科学院研究生院管理学院,北京100190 [2]中国科学院虚拟经济与数据科学研究中心,北京100190 [3]北京大学光华管理学院,北京100871 [4]中国农业银行博士后工作站,北京100005 [5]美国内布拉斯加州立大学奥马哈分校,内布拉斯加州奥马哈68182

出　　处：《数学的实践与认识》2012年第4期38-44,共7页Mathematics in Practice and Theory

基　　金：国家自然科学基金(71071151;70921061;71110107026);中国科学院研究生科技创新与社会实践资助专项资助

摘　　要：金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.Financial market is a complex and nonlinear dynamic system.Financial data is usually noisy,non-stationary and sometimes in chaos.There exists prior knowledge that recent data provides more information for prediction of trends.This paper modifies traditional support vector regression model based on the prior knowledge by penalizing more heavily on recent prediction error.This paper uses the modified support vector regression model to predict Chinese stock market trends.Experimental results show that our model performs better than traditional support vector regression model and neural network model.

关 键 词：支持向量机 非平稳时间序列 金融时序预测 先验知识 惩罚因子 

分 类 号：F832.51[经济管理—金融学] F224