基于优化GA属性约简的上证指数预测

摘要：

结合粗糙集的相关理论,优化了GA属性约简方法,针对上证指数预测的具体问题,对遗传算法的初始种群和适应度函数进行改进,将上证指数10年间数据的58个属性构成的训练集进行属性约简,并应用参数优化后的SVM分别以属性约简前后的数据集对开盘指数进行回归预测.仿真结果表明,用该算法进行属性约简后,原始数据集中冗余属性对预测结果的影响下降,预测精度提高,建模时间也相应的减少,得到了较好的结果.

关键词：遗传算法、属性约简、上证指数、SVM

所属期刊栏目：27

分类号：TP183(自动化基础理论)

资助基金：福建省自然科学基金资助项目2009J01273

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：29-33