基于最小二乘支持向量机的复杂金融时间序列预测

摘要：

为了解决神经网络算法预测海量金融时间序列数据会出现训练速度慢,内存开销大等问题,提出一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法.该方法将传统的支持向量机中的不等式约束改为等式约束,且将误差平方和的损失函数作为训练集的经验函数,这样把二次规划问题转化为求解线性方程组问题,提高求解问题的速度和收敛精度.实验中以证券指数为实验数据,对大批量金融数据进行了时间序列预测,相比于神经网络预测方法,该方法在大批量金融数据时间序列预测的训练时间、训练次数和预测误差上都有了明显提高,对复杂金融时间序列具有较好的预测效果.

关键词：金融数据、时间序列预测、支持向量机

所属期刊栏目：48

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划2004CB719406;国家高技术研究发展计划863计划2004AA413010

在线出版日期：2008-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1147-1149