支持向量机在时序信号预测中的应用

摘要

本文提出利用基于统计学习理论的支持向量机(SVM:support vector machine)对时序信号进行预测,利用随时间变化的股指构造时间序列输入信号,选择基于结构风险最小的支持向量机可以自适应的选择隐藏层的神经元数目以及学习步长,具有好的泛化能力,避免了局域最小和维数灾难,从而在理论上保证了全局的最优解.我们特别选择股指急剧变化的时间段进行预测,利用股指急剧下降前的数据作为学习样本训练网络,对即将以及急剧下降后的股指进行预测,结果表明,对股指的平均预测误差为0.002.