基于EWT-PSO-SVM誤差校正組合模型的中國股市預(yù)測研究
關(guān)鍵詞：ewt算法 pso算法 svm模型 誤差校正組合模型 股市預(yù)測
摘要：鑒于股市預(yù)測的復(fù)雜性.遵循"先分解后集成"的總體建模思路.文章基于EWT分解算法和SVM支持向量機模型.同時結(jié)合PSO粒子群優(yōu)化算法和誤差校正組合預(yù)測方法,構(gòu)建了一種中國股票市場建模及預(yù)測的EWT-PSO-SVM誤差校正組合預(yù)測模型.先基于EWT算法將原始價格序列分解成若干分量,再根據(jù)頻率將其重組成高、中、低頻3個分量,對它們分別建立PSO-SVM誤差校正組合模型.最后集成各個分量的預(yù)測結(jié)果.與其他預(yù)測模型相比較,文章所構(gòu)建預(yù)測模型的MSE、MAE、MAPE、RMSE、Theil不等系數(shù)、確定性系數(shù)DC和方向性指標(biāo)DS 7個指標(biāo)均優(yōu)于其他基準(zhǔn)預(yù)測模型,MCS檢驗結(jié)果同樣表明本文構(gòu)建模型的預(yù)測性能最優(yōu).穩(wěn)健性檢驗結(jié)果進一步證實了文章構(gòu)建的模型預(yù)測性能所具備的穩(wěn)健性.
系統(tǒng)科學(xué)與數(shù)學(xué)雜志要求:
{1}作者姓名、工作單位、詳細(xì)地址、郵編、聯(lián)系電話、E-mail等，以便溝通聯(lián)系。
{2}評審結(jié)果將返回作者進行修改，并按要求修改之后再出版。
{3}文題應(yīng)簡明確切地反映文章的特定內(nèi)容，以不超過20字為宜。
{4}參考文獻：論文中直接或間接引用他人研究成果的，均需標(biāo)注參考文獻。
{5}關(guān)鍵詞：3-5個詞條，用逗號隔開；英文關(guān)鍵詞詞組首字母大寫。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
