关于大学学报论文范本,与数据挖掘在金融方面的应用相关发表论文

本论文是一篇关于大学学报发表论文,关于数据挖掘在金融方面的应用相关硕士毕业论文范文。免费优秀的关于大学学报及神经网络及向量方面论文范文资料,适合大学学报论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

小结：文献[3]的模拟遗传退火算法优化的最小二乘支持向量机预测模型的误差要更小一些,而且逼近性较好,文献[1]的基于免疫遗传算法的BP神经网络模型虽然有了较大的突破（相较于原有的神经网络）,但是在一些点上还是有较大的偏差,逼近性也不是特别好,所以我认为,无论在精准度上还是逼近性方面,还是文献[2]略胜一筹,但是两者在股票的预测方面都较为准确,都可以对股票的趋势有一个大致正确的走向判断,都能够给决策者提供做出一个正确决定的信息支持.

三、金融时间序列

最小二乘支持向量机

在大量的金融时间序列数据的面前,如何通过调查海量的金融方面统计资料以及金融数据信息,从金融数据信息的历史潜在规律,当下的经济状况以及对未来趋势的正确较为精确地预测成为了如今金融领域较为热门的话题.文献[2]提出了一种基于最小二乘支持向量机的金融数据时间序列预测的方法,在传统的支持向量机的基础上,将不等式约束转化为等式约束,非线性问题转变为线性问题,得到了如下的预测数据：

注释：该图摘自文献[2],其中,MAPE为平均相对误差,RMSE为均方根误差.从上表可以看出,基于最小二乘支持向量机的金融数据时间序列预测值与实际值得误差不大,尽管某些地方预测值与实际值相差甚远,但是他整体上的速度比较快.下面是它与神经网络之间的对比图：

如何写大学学报硕士小论文
播放:27401次 评论:4665人

从这张表可以看出,基于最小二乘支持向量机的金融数据时间序列的平均训练时间较少,训练次数也较少,误差率较神经网络而言要低,相较之下,基于最小二乘支持向量机的金融数据时间序列要比传统的支持向量机和网络神经预测更加的快,准确,对指数的预测更加逼近实际指数,对决策者的决定有更大的帮助作用.

参考文献：

[1]蒋超,雷卿然,杨琳.神经网络在股市预测中的应用[J].内江师范学院学报,2008（23）：235-237.

[2]辛治运,顾明.基于最小二乘支持向量机的复杂金融时间序列预测[J].清华大学学报,2008（7）：1147-1148.

[3]黄胜忠.遗传支持向量机在股市趋向的预测[J].计算机与数字工程,2012（1）.

[4]朱宁,徐标,仝殿波.上证指数的时间序列预测模型[J].桂林电子工业学院学报.2006（2）：124-128.

[5]黄超,龚惠群.金融领域时间序列挖掘技术研究[J].东南大学学报（哲学社会科学版）,2007（5）：36-39.

[6]龚惠群,黄超,彭江平.具有双时间维约束的股票序列模式挖掘[J].计算机工程,2003（20）：87-89.

[7]闫相斌,李一军,张洁.客户时序关联规则挖掘方法研究[J].计算机集成制造系统,2006（1）：133-138.

[8]王智钢,王池社,李广水,王蓁蓁.基于SVC的证券行情周K线涨跌预测[J].金陵科技学院学报,2013（1）：15-19.

（指导老师：王智钢）

上一页 1 2

关于大学学报论文范本,与数据挖掘在金融方面的应用相关发表论文参考文献资料：

国际政治论文

政治工作论文

思想政治硕士论文

政治学硕士学位

政治论文1500字

思想政治论文格式

政治小论文1500字

政治学硕士论文

思想政治方面论文

高中政治论文题材