鉴于股市预测的复杂性.遵循"先分解后集成"的总体建模思路.文章基于EWT分解算法和SVM支持向量机模型.同时结合PSO粒子群优化算法和误差校正组合预测方法,构建了一种中国股票市场建模及预测的EWT-PSO-SVM误差校正组合预测模型.先基于EWT算法将原始价格序列分解成若干分量,再根据频率将其重组成高、中、低频3个分量,对它们分别建立PSO-SVM误差校正组合模型.最后集成各个分量的预测结果.与其他预测模型相比较,文章所构建预测模型的MSE、MAE、MAPE、RMSE、Theil不等系数、确定性系数DC和方向性指标DS 7个指标均优于其他基准预测模型,MCS检验结果同样表明本文构建模型的预测性能最优.稳健性检验结果进一步证实了文章构建的模型预测性能所具备的稳健性.
类型: 期刊论文
作者: 崔金鑫,邹辉文
关键词: 算法,模型,误差校正组合模型,股市预测
来源: 系统科学与数学 2019年08期
年度: 2019
分类: 基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,金融,证券,投资
单位: 福州大学经济与管理学院,福州大学投资与风险管理研究所
基金: 国家自然科学基金项目(71573042),福建省自然科学基金(2017J01794)资助课题
分类号: F832.51;F224
页码: 1212-1235
总页数: 24
文件大小: 2008K
下载量: 96
本文来源: https://www.lunwen66.cn/article/4dfe43d3dd939b37bc6e1c80.html