基于ARIMA-SVM组合模型的创业板股票价格预测分析

摘要

为解决复杂时间序列棘手的预测问题,在综合了解其线性和非线性复合特征的基础上,提出了基于ARIMA和SVM相结合的时间序列预测模型。本文先用ARIMA模型对时间序列进行线性建模,然后采用SVM对时间序列的非线性部分进行建模,最后得到两种模型的综合预估结果。文章的数据来源于"华泰证券"为期一年的250期股票收盘价,分析结果说明:ARIMA-SVM组合模型的精度比单一模型的预测精度要高,组合模型对于短期动态、静态预测成效较高,有利于投资者和企业做出更加科学可行的决策。