支持向量機與GARCH族模型對股市的分析.pdf

1、伴隨著經濟體制的逐步成熟以及人們對股市關注度的提高，股票市場作為宏觀經濟的“晴雨表”，預示著一個國家經濟的走向。但股票市場高度復雜化、非線性、不確定性等特點，使其價格波動的預測異常困難，因此，傳統(tǒng)的計量結構模型和時間序列模型不足以滿足股票數(shù)據(jù)的預測要求。支持向量機是一種新型機器學習技術，它是建立在統(tǒng)計學習理論、最優(yōu)化理論以及結構風險最小化原理的基礎上，能夠較好的解決小樣本學習，同時避免了“維數(shù)災難”、網絡收斂速度慢、容易造成局部極小化等

2、缺點。目前該技術已在多個領域得到成功應用，主要應用于數(shù)據(jù)的分類和回歸問題。
　　隨著對金融時間序列研究的不斷深入，人們逐漸發(fā)現(xiàn)自回歸條件異方差模型對市場波動性的刻畫比較準確，并且具有一定的預測能力。為準確識別、測量金融市場的風險，將VaR引入我國股票市場是勢在必行之舉，這些都對分析股市經濟含義，方法金融風險具有重要參考價值。本文首先介紹了支持向量機的相關理論，接下來對時間序列模型及風險價值進行說明，通過選取滬深300指數(shù)和個股股票

3、價格為研究對象，對其建立條件異方差模型，并利用基于CARCH類模型的VaR值來描述股市風險的實際情況，經過不斷優(yōu)化選擇ε-支持向量回歸機模型的參數(shù)最終確立模型，并且采用支持向量回歸算法與條件異方差模型相結合的方法對滬深300指數(shù)進行預測，推測未來趨勢。最后，通過預測值與真實值之間的對比。得到幾種模型的預測精度和預測效果。
　　本文結果表明，支持向量機的預測精度要優(yōu)于其他模型，對股票數(shù)據(jù)的預測效果比較令人滿意，由此可見，支持向量回歸