文献类型：期刊文章

作　　者：徐国祥[1,2] 杨振建[2]

机构地区：[1]上海财经大学应用统计研究中心 [2]上海财经大学统计与管理学院

出　　处：《数量经济技术经济研究》

基　　金：上海财经大学211工程三期;上海财经大学应用统计研究中心;上海市重点学科建设项目(B803)的资助

年　　份：2011

卷　　号：28

期　　号：2

起止页码：135-147

语　　种：中文

收录情况：BDHX、BDHX2008、CSSCI、CSSCI2010_2011、NSSD、RCCSE、RDFYBKZL(收录号：443394)、RWSKHX、SKJJZZ、ZGKJHX、核心刊

摘　　要：本文在传统SVM方法的基础上,引入主成分分析方法和遗传算法,构建了PCA-GA-SVM模型,该模型解决了传统SVM方法存在的特征指标相关性、包含惩罚系数和核函数的参数无法动态寻优的问题,最后利用沪深300指数和前五大成份股的日走势数据对该模型进行了验证分析。结果表明,本文所构建的模型,对于沪深300指数和大盘股每日走势的预测精度是很高的,这对于政府管理层面监测股票市场的平稳波动有着很好的应用价值。

关 键 词：PCA—GA—SVM模型  沪深300指数 “滑窗”  

分 类 号：F222.3]