点击次数：

论文类型：期刊论文

发表时间：2009-07-15

发表刊物：大连理工大学学报

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：49

期号：4

页面范围：605-610

ISSN号：1000-8608

关键字：在线支持向量机回归算法;参数选择;非稳定时间序列;股票预测

摘要：以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值丢掉早期数据来集中刻画近期的股市特点.将自适应参数的AOSVR算法应用到上证综合指数构成的时间序列上,取得了良好的预测效果.