题名 | 基于分段线性表示和支持向量机的拐点预测; Integrating Piecewise Linear Representation and Weighted Support Vector Machine for Inflection Point Prediction |
作者 | 陈曦 |
答辩日期 | 2013 ; 2013 |
导师 | 罗林开 |
关键词 | 拐点预测 分段线性表示 支持向量机 Signal prediction PLR SVM |
英文摘要 | 近几年,对于证券交易拐点的预测,广泛应用的是基于分段线性表示(PLR)和反向传播人工神经网络(BPN)的方法(PLR-BPN)。然而,该方法具有一些缺陷,比如容易过拟合和陷入局部最优点,而且模型中阈值的选取也是很令人头疼的。由于支持向量机(SVM)具有可以避免过拟合,同时也不容易陷入局部最优点等优势,本文利用分段线性表示(PLR)和加权支持向量机(WSVM)来预测证券交易的拐点(PLR-WSVM)。PLR-WSVM方法具有以下几个主要特点: (1)通过PLR方法得到证券交易的拐点,并对每个拐点根据当前拐点和下一个拐点的收盘价变化率来设置不同的权重,以反映拐点的相对重要性。 (2)将证券交易...; Piecewise linear representation (PLR) and back-propagation artificial neural network (BPN) have been integrated for the stock trading signal prediction recently (PLR-BPN). However, there are some disadvantages in avoiding over-fitting, trapping in local minimum and choosing the threshold of the trading decision. Since support vector machine (SVM) has a good way to avoid over-fitting and trapping i...; 学位:工学硕士; 院系专业:信息科学与技术学院_模式识别与智能系统; 学号:23220101153241 |
语种 | zh_CN |
出处 | http://210.34.4.13:8080/lunwen/detail.asp?serial=39202 |
内容类型 | 学位论文 |
源URL | [http://dspace.xmu.edu.cn/handle/2288/79575] ![]() |
专题 | 信息技术-学位论文 |
推荐引用方式 GB/T 7714 | 陈曦. 基于分段线性表示和支持向量机的拐点预测, Integrating Piecewise Linear Representation and Weighted Support Vector Machine for Inflection Point Prediction[D]. 2013, 2013. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论