基于ARIMA-LSSVM混合模型的股指預(yù)測研究.pdf

1、在許多領(lǐng)域，對時間序列的研究顯得十分重要，提高預(yù)測精度能夠?yàn)闆Q策者提供有價(jià)值的參考。從時間序列分析的角度對股指進(jìn)行預(yù)測研究能夠幫助投資者制定投資策略，獲得穩(wěn)定收益。在傳統(tǒng)的時間序列模型中，ARIMA模型一直是最廣泛使用的線性模型之一。但是，ARIMA模型不能捕捉時間序列中的非線性模式。SVM是以VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則為基礎(chǔ)，在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展而來的一種新的機(jī)器學(xué)習(xí)方法。它已成功地解決許多非線性回歸估計(jì)問題。LSSVM對標(biāo)準(zhǔn)

2、 SVM進(jìn)行改進(jìn)，將標(biāo)準(zhǔn) SVM求解中的二次規(guī)劃問題轉(zhuǎn)化為相對簡單的線性問題，減少了運(yùn)算量，提高了模型求解的速度。整合不同的模型是提高預(yù)測精度的有效途徑，特別是當(dāng)組合中的模型表現(xiàn)出很大的差異性時。
　　上證180股指是我國證券市場的主要指數(shù)之一。股指時間序列受多種因素的影響，其中的線性成分和非線性成分復(fù)雜地交織在一起。本文對上證180股指序列進(jìn)行ARIMA建模之后，基于Khashei的建模思想，并結(jié)合上證180股指序列的特征，構(gòu)建

3、一種新型的融合 ARIMA和LSSVM的混合模型對股指收盤價(jià)進(jìn)行預(yù)測。將本文構(gòu)建的ARIMA-LSSVM混合模型與單一的模型、傳統(tǒng)的混合模型、BP神經(jīng)網(wǎng)絡(luò)、ARIMA-BP混合模型的預(yù)測效果進(jìn)行對比分析，利用均方誤差根（RMSE）和平均絕對百分比誤差（MAPE）兩種指標(biāo)對不同模型預(yù)測精度進(jìn)行度量，RMSE度量實(shí)際值與預(yù)測值之間的絕對誤差，MAPE度量實(shí)際值與預(yù)測值之間的相對誤差。
　　實(shí)證結(jié)果表明，本文構(gòu)建的ARIMA-LSSVM