一種改進的組合SOFM-SVR股票價格預(yù)測模型

摘要： 股票市場價格預(yù)測一直以來都被認為是金融時序預(yù)測領(lǐng)域的一項具有挑戰(zhàn)性的工作。
綜合回歸支持向量機SVR和自組織特征函數(shù)(SOFM)技術(shù),并引入基于過濾的特征選擇算法確定重要的輸入變量,在SVR核函數(shù)的參數(shù)選擇上采用粒子群優(yōu)化算法(PSO)。
SOFM算法將訓練樣本聚類,然后分別應(yīng)用SVR來預(yù)測股票價格走勢。 （共5頁）