基于粗糙集和支持向量机的股指期货预测模型研究

J4 ›› 2010, Vol. 23 ›› Issue (5): 66-70.

基于粗糙集和支持向量机的股指期货预测模型研究

周磊

中油资产管理有限公司

收稿日期:2010-06-23 出版日期:2010-10-20 发布日期:2010-10-20

Research on a Rough Sets and Support Vector Machines Based Stock Index Futures Prediction Model

ZHOU Lei

CNPC Assets Management Co., Ltd.

Received:2010-06-23 Online:2010-10-20 Published:2010-10-20

摘要/Abstract

摘要：

本文提出基于粗糙集和支持向量机的股指期货走势预测模型。在模型中首先使用粗糙集对指标集进行特征选择，剔除冗余指标，然后使用支持向量机对基于历史数据的股指期货价格走势进行预测。为了评估该预测模型的性能，将预测结果与传统的自回归移动平均模型和ＢＰ神经网络模型的预测结果进行比较。实验结果表明了该模型的有效性。

关键词: 股指期货预测, 粗糙集, 支持向量机, ＢＰ神经网络, 自回归移动平均模型

中图分类号:

F224-39

周磊. 基于粗糙集和支持向量机的股指期货预测模型研究[J]. J4, 2010, 23(5): 66-70.

ZHOU Lei. Research on a Rough Sets and Support Vector Machines Based Stock Index Futures Prediction Model[J]. J4, 2010, 23(5): 66-70.

[1]	杨淑棉, 刘剑. 一种基于知识粒度的关键词提取方法[J]. 山东科学, 2019, 32(2): 137-142.
[2]	李小峰，于慧彬. 基于BP神经网络的船舶航向智能PID控制研究[J]. 山东科学, 2018, 31(4): 8-14.
[3]	郑威, 杨英，惠力, 鲁成杰，赵彬，杨立. 基于BP神经网络模型的ADCP倾斜条件下的修正算法研究[J]. 山东科学, 2018, 31(3): 1-7.
[4]	刘东彦，张颖颖，吴丙伟，张颖，胡云川. 固体氧化物燃料电池系统仿真分析与控制[J]. 山东科学, 2016, 29(1): 1-6.
[5]	秦鉴，何世伟. 基于BP神经网络的全社会集装化货物运量预测[J]. 山东科学, 2015, 28(2): 70-74.
[6]	刘霏，谷文静，王公堂，万洪林. 基于BP神经网络的虹膜图像质量分类方法[J]. 山东科学, 2015, 28(2): 108-112.
[7]	李连伟，刘展，胡利民，王振杰. 基于BP神经网络的黄河口海水入侵程度评价研究[J]. J4, 2014, 27(2): 1-7.
[8]	丁硕，常晓恒，巫庆辉，杨友林. 数值优化改进的BP神经网络逼近性能对比研究[J]. J4, 2014, 27(1): 68-72.
[9]	李成华, 樊海博, 朱博. 基于粗糙集-数据包络分析的公路交通发展有效性评价[J]. J4, 2014, 27(1): 78-85.
[10]	朱世伟，鞠镁隆，于俊凤，魏墨济，王蕾. 基于模糊神经网络的数字资源服务绩效评价研究[J]. J4, 2013, 26(6): 51-56.
[11]	孙晓红,杜龙安,刘弘,张晓伟. 基于PSO的BP网络在3D动漫造型评价中的应用[J]. J4, 2012, 25(5): 67-72.
[12]	姜军伟, 赛英. 基于模糊神经网络的企业绩效评价方法研究[J]. J4, 2010, 23(1): 36-40.

基于粗糙集和支持向量机的股指期货预测模型研究

Research on a Rough Sets and Support Vector Machines Based Stock Index Futures Prediction Model

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

Metrics

本文评价

推荐阅读 0