|
（3）将适应值与pbest 比较，若小于pbest 则使用当前粒子取代pbest,将适应值与gbest 比较，若小于gbest 则使用当前粒子取代gbest，同时保存粒子状态。 （4）重复步骤3 直到满足最大迭代数或算法或最优解在一定迭代数内停滞不再变化。 130 2 仿真研究 上证综合指数是国内股票的风向标，能够准确的反应市场行情的变化并对投资者投资具 有重要的指导作用。本文采用上证指数作为研究对象，根据预测未来5 日股市走势。选取 2012 年1 月12 号至2012 年5 月30 号共90 个收盘价作为模型的因变量。模型的自变量为 前五日的开盘价、最高价、最低价、成交量、成交金额、涨跌额、涨跌幅、移动平均线（MA(5)、 135 MA(10)、MA(30))、乖离率（BIAS1)、随机指标（K、D、J)和相对强弱指标（RSI)[6]。将数 据分成两组：前55 个数据作为训练数据，后35 个数据作为预测数据。 采用关联度分析其相关性，结果如下表所示: 表1 关联度分析表 变量 MA(5) MA(10) MA(30) K D J RSI 关联度 0．9858 0.9861 0.9861 0.9567 0.9805 0.9809 0.6847 涨跌额 涨跌幅 最低价 最高价 成交量 成交金额 收盘价 BIAS1 0.9372 0.9428 0.9856 0.9859 0.2403 0.9614 0.9852 0.1795 140 由上表可以看出BIAS 和成交量相关系数小于0.3，因而初步认为其相关性小。分别删 除各个变量进行灵敏度分析，其结果如下表所示： 表2 灵敏度分析表 变量删除 BIAS 成交量 BIAS、成交量 删除后MSE 0.0609547 0.0667935 0.0660341 初始MSE 0.0645059 0.0645059 0.0645059 145 由表二可得只需删除BIAS。根据上述选好的变量和数据，利用支持向量机进行预测研 究。参数通过改进的粒子群优化算法实现。参数设置如下： 粒子群数20 ， c1=c2=2,w(0)=1.2,w(g)=0.4,最大迭代数200.得到支持向量机最优参数c = 0.0996006 ，g = 0.615379。本文旨在预测未来五日大盘走势，采用的数据是前五日的各指标。运用MATLAB 150 软件进行预测，预测结果如下图所示： 0 5 10 15 20 25 30 35 2300 2320 2340 2360 2380 2400 2420 2440 2460 收盘价 原始数据和回归预测数据对比 原始数据 回归预测数据 图1 上证指数五日预测图 155 为了进一步比较，用相同的样本建立pso-svm 以及基于网格搜索法的svm 模型来进行预 测，表3 为各模型结果比较。 表3 各算法实验比较 五日股价预测 相关系数 均方误差 基于网格搜索法SVM 19.6628% 0.0609547 PSO-SVM 22.0154% 0.0569305 改进的PSO-SVM 31.871% 0.048561 3 结论 160 由图一可以看出，SVM 简单预测模型在当预测5 日的上证指数于平稳上升或下降时， 该模型预测效果最佳。然而在其突然上升或下跌时，模型预测往往不能立即跟上真实行情的 变化速度，导致模拟走势与实际情况存在差异。但不影响上证指数短期走势研究。图一在股 价涨跌预测的正确率为77.14%，其短期走势预测可信度较高。 由表3 可以看出，改进的PSO-SVM 算法比基于网格参数搜索法SVM 和标准粒子群算 165 法相比，模型精度有了明显的提高，同时也验证了算法的有效性。因此本文提出的改进的 PSO 算法在SVM 参数选择上能够较好的平衡全局搜索能力和局部搜索能力，精确度高。 [参考文献] (References) [1] 杨新斌，黄晓娟.基于支持向量机的股票价格预测研究.计算机仿真,2010,27(9):302-305. [2 170 ] 黄青华，何凯瑜，孙洁.基于增量支持向量回归机的股价预测模型研究.上海市经济管理干部学院学 报,2012:10(1),8-14. [3] 韩敏, 刘晓欣. 基于互信息的分步式输入变量选择多元序列预测研究[J], 自动化学报，2012 ， 38(6):1000-1005 [4] Vapnik V N. The nature of statistical learning theory. New York：Sp ringer, 1995. 175 [5] 谢国强.基于支持向量回归机的股票价格预测[J].计算机仿真，2012，29（4）：379-382 [6] 叶 园, 何 穗.基于支持向量机的沪深300 指数预测研究.湖北师范学院学报:自然 科学版，2009,29（3）： 68-73. 学术论文网Tag：代写硕士论文 代写论文 代写MBA论文 |
