论文部分内容阅读
股票市场是反映经济动向的晴雨表，准确预测股票价格能够帮助市场稳定运行，指导投资者做出正确的投资策略。本文运用灰狼优化（GWO）算法对支持向量回归（SVR）中的参数进行优化，用优化后的SVR模型对股票价格进行建模预测，并通过核主成分（KPCA）技术对变量进行降维处理。从可推广性的角度考虑，本文在主板、中小板、创业板中各选取若干只股票，利用该组合模型进行中长期预测，并与其它模型进行对比。实验结果表明：该组合模型在股票价格预测中显著地减小了真实值与预测值之间的误差。在预测精度上，BP神经网络和SVR的预测精度均