基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂 、演化 、非线性的动态变化的系统 金融数据往往带 有 噪声 , 非平稳且 时常是混沌的 本文基于时序数据 的先验知识 — 近期数据对于 预测未来走势提供了更多的信息, 对于传统的支持向量机的回归模型做出了一定的 改进 , 即对于近期的数据预测错误施 以更严 重的惩罚 , 构建 了改进的支持 向量 回归 机模型 使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文 改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果