基于DFS-BPSO-SVM的股票趋势预测方法

摘要

技术指标广泛应用于股票市场的预测分析,不同特征组合对预测效果产生不同影响。为了提高股票趋势预测的准确度,提出一种两层特征选取及预测方法。第一层特征选取以特征子集区分度衡量准则——DFS为评价标准,第二层特征选取以分类器分类效果为评价准则,两层特征选取均采用二进制粒子群（BPSO）算法对特征空间进行搜索。通过第一层特征选取可以高效剔除部分非预测相关特征,在保留预测特征集信息的基础上缩小特征集规模;第二层特征选取可以准确选择出具有较好预测效果的特征子集。实验数据为2015~2016年上海证券综合指数,结果表明,DFS-BPSO-SVM预测模型相比于其它4种特征选取及预测模型,具有更好的预测效果。