| 基于最小二乘支持向量机的复杂金融时间序列预测 |
| |
| 引用本文： | 辛治运,顾明. 基于最小二乘支持向量机的复杂金融时间序列预测[J]. 清华大学学报(自然科学版), 2008, 48(7) |
| |
| 作者姓名： | 辛治运 顾明 |
| |
| 作者单位： | 清华大学,计算机科学与技术系,北京,100084;清华大学,软件学院,北京,100084;清华大学,软件学院,北京,100084 |
| |
| 基金项目： | 国家重点基础研究发展计划(973计划)，国家高技术研究发展计划(863计划) |
| |
| 摘 要： | 为了解决神经网络算法预测海量金融时间序列数据会出现训练速度慢,内存开销大等问题,提出一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法.该方法将传统的支持向量机中的不等式约束改为等式约束,且将误差平方和的损失函数作为训练集的经验函数,这样把二次规划问题转化为求解线性方程组问题,提高求解问题的速度和收敛精度.实验中以证券指数为实验数据,对大批量金融数据进行了时间序列预测,相比于神经网络预测方法,该方法在大批量金融数据时间序列预测的训练时间、训练次数和预测误差上都有了明显提高,对复杂金融时间序列具有较好的预测效果.
|
| 关 键 词： | 金融数据 时间序列预测 支持向量机 |
Complicated financial data time series forecasting analysis based on least square support vector machine |
| |
| XIN Zhiyun,GU Ming. Complicated financial data time series forecasting analysis based on least square support vector machine[J]. Journal of Tsinghua University(Science and Technology), 2008, 48(7) |
| |
| Authors: | XIN Zhiyun GU Ming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
