[1]张晨希 张燕平 张迎春 陈洁 万忠.基于支持向量机的股票预测[J].计算机技术与发展,2006,(06):35-37.
　ZHANG Chen-xi,ZHANG Yan-ping,ZHANG Ying-chun,et al.Stock Prediction Based on Support Vector Machine[J].,2006,(06):35-37.
点击复制

基于支持向量机的股票预测()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2006年06期
页码:
35-37
栏目:
应用开发研究
出版日期:
1900-01-01

文章信息/Info

Title:
Stock Prediction Based on Support Vector Machine
文章编号:
1673-629X（2006）06-0035-03
作者:
张晨希 张燕平 张迎春 陈洁 万忠
安徽大学智能计算与信号处理重点实验室
Author(s):
ZHANG Chen-xi;  ZHANG Yan-ping;  ZHANG Ying-chun;  CHEN Jie;  WAN Zhong
Key Lab. of Intelligent Computing ＆ Signal Processing, Anhui University
关键词:
股票; 预测; 支持向量机; 数据
Keywords:
stock;  prediction;  support vector machine;  data
分类号:
TP18
文献标志码:
A
摘要:
针对股票预测的特点，选择对上市公司股票走势有重要影响的相关数据进行测试。为了避免传统的预测算法（如BP算法）的一些弊端，使用可以避免这些弊端并且具有良好分类功能的支持向量机对该上市公司股票走势进行预测。测试表明预测的精度明显高于采用BP算法等传统神经网络分类方法的测试结果，预测达到了让人满意的效果
Abstract:
According to the characteristics of the stock prediction, this paper selects the data that greatly influence the stock development trend of listed companies. In order to avoid the disadvantages of the traditional NN classification methods （e, g. BP algorithm） ,this paper uses the support vector machine（SVM） to predict the stock development trend of listed companies. The test shows that the accttraey of the prediction is obviously higher than traditional NN classification ways, such as BP slgorithm and thus it has a satisfying result

相似文献/References:

[1]曹庆璞 董淑福 罗赟骞.网络时延的混沌特性分析及预测[J].计算机技术与发展,2010,(04):43.
　CAO Qing-pu,DONG Shu-fu,LUO Yun-qian.Chaotic Analysis and Prediction of Internet Time- Delay[J].,2010,(06):43.
[2]朱良燕 毛军军 苗强 吴涛[].合肥市降水变化趋势分形特征分析与预测[J].计算机技术与发展,2009,(09):17.
　ZHU Liang-yan,MAO Jun-jun,MIAO Qiang,et al.Analysis of Precipitation Changes Trend Fractal Features and Forecasts in Hefei[J].,2009,(06):17.
[3]王天娥 叶德谦.基于GA的改进型动态网络在股市预测中的应用[J].计算机技术与发展,2009,(01):214.
　WANG Tian-e,YE De-qian.Application of Improved Dynamic Neural Network Based on GA to Stock Market Prediction[J].,2009,(06):214.
[4]余健 郭平.基于改进的Elman神经网络的股价预测模型[J].计算机技术与发展,2008,(03):43.
　YU Jian,GUO Ping.Stock Price Forecasting Model Based on Improved Elman Neural Network[J].,2008,(06):43.
[5]施尧 赵勇 杨雪洁 赵妹 张燕平 关有训 王克强.基于覆盖算法的大气质量预测[J].计算机技术与发展,2008,(07):190.
　SHI Yao,ZHAO Yong,YANG Xue-jie,et al.Application of Covering Algorithm to Prediction of Air Quality[J].,2008,(06):190.
[6]黄一丹 严洪森 冯丽娟 吴奇.基于C#．NET与Matlab接口和BP网络的汽车产量预测[J].计算机技术与发展,2008,(11):36.
　HUANG Yi-dan,YAN Hong-sen,FENG Li-juan,et al.Vehicle Production Forecasting Based on BPNN and Interface Between C #. NET and Matlab[J].,2008,(06):36.
[7]黄常青 徐海水 钟晖云 廖志坚 张红.基于AR模型的主机负载预测[J].计算机技术与发展,2007,(09):38.
　HUANG Chang-qing,XU Hai-shui,ZHONG Hui-yun,et al.Host Load Prediction Based on AR Module[J].,2007,(06):38.
[8]胡蓉.多输出支持向量回归及其在股指预测中的应用[J].计算机技术与发展,2007,(10):226.
　HE Rong.Application of Multi - Output Support Vector Regression in Stock Market Index Forecasting[J].,2007,(06):226.
[9]冯利军 李书全 宋连友[].利用粗糙集理论提高SVM预测系统的实时性[J].计算机技术与发展,2006,(09):30.
　FENG Li-jun,LI Shu-quan,SONG Lian-you.Improving Real - Time Character of Prediction System Based on SVM Using RS Theory[J].,2006,(06):30.
[10]汤义强 毛军军 李侠 程白彬.基于粗集属性约简的电力供应量SVM回归预测[J].计算机技术与发展,2010,(09):48.
　TANG Yi-qiang,MAO Jun-jun,LI Xia,et al.China＇s Power Supply SVM Regression Forecast Based on Rough Set Attribute Reduction[J].,2010,(06):48.
[11]林倩瑜 冯少荣 张东站.基于神经网络和模式匹配的股票预测研究[J].计算机技术与发展,2010,(05):17.
　LIN Qian-yu,FENG Shao-rong,ZHANG Dong-zhan.Stock Market Forecasting Research Based on Neural Network and Pattern Matching[J].,2010,(06):17.
[12]张迎春 陈洁 张晨希 万忠 张燕平.聚类在股票研究中的应用[J].计算机技术与发展,2006,(04):116.
　ZHANG Ying-chun,CHEN Jie,ZHANG Chen-xi,et al.Application of Clustering in Study of Stock[J].,2006,(06):116.

备注/Memo

备注/Memo:
“九七三”计划国家蘑点基础研究（2004CB318108）;国家自然科学基金（60475017,60135010）;安徽省自然科学基金（050420208）张晨希（1982-），男，安徽桐城人，硕士研究生，研究方向为智能算法及其应用；张燕平，教授，硕士生导师，研究方向为人工神经网络、智能算法及其应用
更新日期/Last Update: 1900-01-01