证券市场变幻莫测,作者试图找出股票指数这一时变波动序列的运行规律,从而对股票指数进行预测、为股票投资行为做出有效指导。股票指数对许多因素的变化都非常敏感,其中有来自于自身的也有来自于外界的,它们之间是非线性、复杂耦合关系,因此相对于其他预测系统,股指预测系统需要考虑因素比较多。 近二十几年来,以混沌、神经网络、小波分析和支持向量机理论等为代表的非线性方法在股票指数及股价变化的趋势研究中得到了迅速的发展,而且也取得了一些具有开拓意义的研究成果。 本文提出了小波——支持向量机模型,对上证综合指数的一维时间序列数据,选择Symlet小波函数进行离散小波变换,然后利用小波分析的多分辨分析特性,将时间序列分解成近似部分和细节部分(本文对时间序列进行了三层分解)。 为了更有效的进行预测模型建模,对分解后的预测序列分别进行相空间重构,即将一维的时间序列转化为矩阵形式获得数据间的关联关系以挖掘到尽可能多的信息量,转换之后,得到新的学习样本。 然后利用支持向量机对新的样本进行训练,得到回归模型。最后对预测数据依据模型进行处理,对其进行小波重构,得到最终的时间序列预测值。 小波分析方法、非线性混沌理论及支持向量机理论凭借其自身理论的优越,在非线性时间序列分析中的迅速崛起,为我们对股票进行技术分析提供了新的方法。本文针对上证综合指数,利用上述理论建立了该指数的预测模型,并将预测与实际的数据拟合,在实践上取的了令人满意的结果。结合拟合结果,分析其产生原因,指出了这一模型的优点和不足之处。