文献类型：期刊文章

作　　者：张贵生[1,2] 张信东[1,2]

机构地区：[1]山西大学管理与决策研究所,山西太原030006 [2]山西大学经济与管理学院,山西太原030006

出　　处：《中国管理科学》

基　　金：国家自然科学基金面上项目(71371113);教育部人文社会科学研究项目(13YJA790154)

年　　份：2016

卷　　号：24

期　　号：9

起止页码：11-20

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2014_2016、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：为了克服传统线性模型分析处理收益率数据非线性因素的不足,本文提出一种新的基于近邻互信息特征选择的SVM-GARCH预测模型。该模型利用SVM处理高维非线性数据的优势,不仅包含了股指序列自身的历史数据信息,而且通过近邻互信息的方式融合了与目标股指数据关系密切的周边证券市场的相关变化信息。仿真实验结果表明,该模型在时序数据除噪、趋势判别以及预测的精确度等方面均优于传统的ARMA-GARCH模型。

关 键 词：股票价格预测:SVM-GARCH模型  近邻互信息  

分 类 号：F224.12]