支持向量機在股票預測中的應用解析

魏清晨

摘 要：文章從基于支持向量機的股票預測模型的構建分析入手，對支持向量機在股票預測中的具體應用進行論述。期望通過本文的研究能夠對股票預測結果準確性的提升有所幫助。

關鍵詞：股票;預測模型;支持向量機

股票作為市場經濟的產物，它的出現對于促進經濟發展具有重要的現實意義。現如今，股票已經成為很多投資者的投資選擇，為了能夠從所選的股票中獲利，就需要對其走勢進行預測。在股票預測中，可以應用支持向量機構建模型，提高預測結果的準確性。借此，下面就支持向量機在股票預測中的應用展開分析探討。

一、基于支持向量機的股票預測模型的構建

從投資風險的角度上看，股票屬于高風險投資，而高風險代表著的高收益，如何在規避股票投資風險的基礎上，獲得最大的收益，是每一位投資者都非常關心的話題。通過對股票走勢的預測，能夠為投資決策提供依據，所以保證預測結果的準確性至關重要。支持向量機歸屬于機器學習算法的范疇，是一類線性分類器，可以按照監督學習的方式，對數據進行二元分類。下面依托支持向量機對股票預測模型進行構建。

1.1建模思路

中國股市最為突出的特點是國有股和法人股不流通，但指數卻是按照總股本進行加權計算，所以在研究股票預測模型時只能以個股作為對象。股市中的個股在每個交易日結束后，都會有一個收盤價，由于中國股市設置了漲跌停限制，所以除新股發行之外，個股的單日漲幅不會超過漲跌停限制。換言之，股票當日的收盤價與前兩天的收盤價之間不會出現過大的差值，基于這一前提，可認為股票當日收盤價為之前若干天收盤價的函數，引入支持向量機可構建股票預測模型。

1.2預測模型的構建

設已知訓練集，然后選取適當的正數及核函數，將之轉化為求取最優解的問題，在此基礎上，對決策函數進行構建。假設某股票的價格x，當天收盤價為x1，前一天的收盤價為，前若干天的收盤價為。其中n為參數，可通過最終誤差預報準則評價模型進行確定。中國股市的交易日從每周一到周五，為提高模型的預測準確性，可將n確定為5。輸入量為：

（xt-1，xt-2，…xt-5）T

輸出量為y=xt。當輸入量與輸出量全部確定之后，可以取1個連續的樣本，將輸入量帶入后，形成全新的訓練集，并以支持向量機算法進行求解。

二、支持向量機在股票預測中的具體應用

為了進一步驗證上文構建的模型在股票預測中是否可行，從上交所選取一只股票，作為實驗對象，相關數據通過大智慧軟件進行獲取。本次選取的這只股票在上交所的上市時間超過10年，從股票的整體走勢上看，相對比較穩定。在本次實驗的過程中，選取該股某一年1到10的走勢情況作為訓練集，從11月到12月的數據作為測試集。

2.1實驗方法

為分析該股在不同時間窗口時的收益情況，利用未來若干個交易日的收盤價形成響應變量，并將響應變量漲幅空間在80%以上的分位數設定為正樣本，低于80%的分數位設定為負樣本。通過上文構建的模型，借助支持向量機和遺傳算法完成參數最優化。

2.2結果分析

在利用單個交日期的相關數據對該股進行建模后，隨著交易日的增加，模型的預測準確性隨之提升，在第12個交易日時達到穩定，之后出現小幅震蕩，這與股票短線技術分析的結果相吻合。在對支持向量機的參數進行最優化時，遺傳算法對模型預測結果準確性的影響比較小，基本可以忽略不計。由此可見，本文提出的預測模型能夠對股票的走勢進行預測，且短期預測結果非常準確。

2.3應用建議

中國的股市是一個動態的系統，其中的數據時時刻刻都在發生變化，所以經過訓練得出的預測模型，僅能對某個股票在某段時間內的走勢進行有效預測，如果想要預測較長時間的走勢，那么準確性會有所下降。因此，在應用基于支持向量機的預測模型，對股票進行預測時，應當引入增量學習的方法，以此來實現及時更新，為預測結果的準確性提供保障。本文所提出的這種預測模型雖然能夠在股票預測中應用，但其還存在一定的缺陷，如測試集預測時的穩定性不高，導致這一問題的主要原因是股票單日漲跌幅的數據轉化為樣本時的閾值過于絕對。為有效決絕該問題，可在具體的應用中，通過預測值疊加的方法，獲取決策值，由此能提高預測結果的準確度。

結論

綜上所述，支持向量機作為機器學習算法之一，其在股票預測中具有良好的應用效果。通過股票預測模型的構建，利用支持向量機進行訓練，并以遺傳算法獲取最優解，能夠對股市中單只股票短時間的走勢進行預測，并且預測結果非常準確。但由于影響股市的因素較多，所以個股行情也會發生一定的變化，因此，只能將預測結果作為參考，并不能將之作為股票投資的選擇依據。

參考文獻：

[1]黃敏健，劉鈺萱.基于機器學習的股票趨勢預測方法研究[J].現代鹽化工，2019 （10）：109-111.

[2]黃煒，基于實時分布式計算的股票預測系統的設計與實現[D].哈爾濱工業大學，2018.

[3]汪志峰.基于小波神經網絡與支持向量機的股票預測及優化[D].安慶師范大學，2019.