WD-PSO-SVM Combination Forecasting Model and Its Application in Financial Time Series

摘要

自Vapnik提出统计学习理论以来，支持向量机（SupportVectorMachines，SVM）在分类、预测等方面表现出良好的性能。国内外学者多将其用于理想数据时间序列的预测问题，用于金融时间序列预测的研究还比较少。一方面由于金融数据具有非平稳、非线性特点，现实金融信号包含大量噪声，而传统消噪方法存在诸多缺陷，成为数据处理和建模及数量分析的难题。小波（Wavelet）理论与方法具有自适应和数学显微镜的优良性质，以及很好的消噪功能，特别适合处理非平稳、非线性的信号。另一方面，SVM一般凭经验来确定自由参数，过程冗繁且不科学，预测效果也欠佳。粒子群算法（ParticleSwarmOptimiz...