审计基于信息粒化和支持向量机股票预测
本站原创 摘 要：信息粒化是海量数据挖掘和模糊信息处理的工具。了一种基于信息粒化和支持向量机的股票预测策略会计专业论文。长安汽车的股票数据，建立股票开盘价回归预测模型，该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例：该策略会计专业论文能地预测股票的变化范围。
会计论文范文词： 信息粒化；支持向量机；股票
中图分类号： F224；F830.91 文献标识码： A 文章编号：1003-7217(2011)06-0044-04
g(x is G)is λ
，x是论域U中取值的变量，G是U的模糊子集，由隶属函数μG来刻画，λ表示可能性概率，一般假设U为实数集R(Rn)，G是U的凸模糊子集，λ是单位区间的模糊子集［8, 9］ 。模糊信息粒以模糊集的形式表示的信息粒，常用的模糊信息粒子有三角型、梯型、高斯型和抛物型等。
用模糊信息粒化策略会计专业论文支持向量机回归预测的如下：
A(x,a,m,b)=0,x＜ax－am－a,a≤x≤mb－xb－m,m＜x≤b0,x＞b (1)
财经理论与实践(双月刊)2011年第6期2011年第6期(总第174期)喻胜华，肖雨峰:基于信息粒化和支持向量机的股票预测
x是论域变量，a、m和b是参数。
y=f(x)=(w•x)+b（2）
式（2）中w为权重，x为样本输入值，b为阈值。
在高维特点【会计论文范文】空间中，线性【会计论文】内积运算用核函数来代替，而核函数用原空间函数，必要知道非线性函数的形式。
从已有的研究成果来看，Gauss径向基核函数在大情况下都了较好的预测效果，因此，沿用前人的经验Gauss径向基核函数，即：
K(xi,x)=exp (－γ‖xi－x‖2)（3）
选取不同的核函数对支持向量机性能的影响并不大，但所选取的核函数的参数和误差惩罚因子C却影响了支持向量机的泛化推广性能，因此，核函数和误差惩罚因子的参数选择策略会计专业论文尤为。常交叉验证的方式来选择最优参数，其思想是将样本数据分组，一训练集，另一验证集，用训练集对学习机器训练，再验证集检测训练的模型。在交叉验证的思想下，参数寻优策略会计专业论文又可分为启发式算法和非启发式算法。启发式算法有遗传算法、粒子群优化算法和蚁群优化算法等，而非启发式算法有网格搜索法。
每个窗口都3个模糊粒化后的变量：low, R和up, 它们对应三角型模糊粒化公式a, m和b三个参数，对于单个模糊粒子而言，low参数描述了原始数据变化的最小值，R参数描述了相应的原始数据变化的的平均，up参数描述了原始数据变化的最大值［10］。
接下来对low, R和up回归预测，将数据预处理，这里将粒化数据归一化，然后支持向量机回归预测模型来预测。
因为三个变量的预测类似，这里只给出low的运行结果，将low归一化处理，结果如图3。接着网格寻优模型参数的选择，先在大范围内做粗略的参数寻优找到其大致的范围，再图5 对Low变量参数精细选择的结果较小范围内的精细寻优，结果图4和图5。
最佳的c=256, γ=0.08839,最佳参数确定的模型对训练集训练，对训练集预测的对比图即图6。类似的策略会计专业论文，对R和up的模型参数并建立模型对其预测，从而预测出下5个交易日内开盘价的最小、平均和最大值，表1是预测结果与真实值的对比。
4.模糊粒子类型的选择、核函数的选择参数范围的设定等都具有很大的主观随意性，而这在实证浅析【会计论文】中会影响预测效果。
综上所述，该策略会计专业论文的可靠度、预测精度、稳健性适应范围等【会计论文】还有待研究。
文献：
［1］T.Hastie, R.Tibshirani, J.Friedman. The elements of statistical learning:data mining,inference and prediction［M］. Springer Series in Statistics, 2009：371-409.
［2］彭丽芳，孟志青，姜华. 基于时间序列的支持向量机在股票预测应用［J］.计算技术与自动化. 2006，25（3）：88-91.
［3］史耀媛. 基于支持向量机的股市浅析【会计论文】与预测策略会计专业论文研究［R］. 西北工业大学博士学位论文, 2006.
［4］李拥军,奉国和. 快速增量加权支持向量机预测证券指数［J］. 制约理论与应用. 2006，23（5）：807-809.
［5］关华.基于GARCH族模型的深证成指波动研究［J］.湖南大学学报(社科版),2011,(3):62-65.
［6］刘清, 刘群. 粒及粒计算在逻辑推理应用［J］. 计算机研究与发展，2004，41（4）：546-551.
［7］李鸿. 粒集理论：粒计算的新模型［J］. 重庆邮电大学学报（自然科学版），2007，19（4）：397-404.
［8］王国胤, 张清华，胡军. 粒计算研究综述［J］. 智能系统学报，2007，2（6）:8-26
［9］黄兆华，邓毅雄. 粒计算应用的研究［J］. 华东交通大学学报，2005，22（5）：124-127.
［10］王斌会. 数据挖掘技术应用近况会计毕业论文范文［J］. 统计与决策，2006，（5）：122-124.
（责任编辑：宁晓青）
Forecasting Method of Stock Price based on Information Granulation and Support Vector Machine
YU Shenghua1, XIAO Yufeng 2
(1. School of Economics and Trade, Hunan University, Changsha, Hunan 410079,China; 2. School of Mathematical Sciences and Computing Technology, Central South University, Changsha, Hunan 410075,China)
Abstract： Information granulation is a powerful tool for massive data mining and fuzzy information processing. In this paper, a new forecasting method of stock price based on information granulation and support vector machine is put forward. Using the stock data of Changan Automobile, a regression prediction model of the opening price is established. This model abstains from the default of traditional time series prediction model that only can be used in linear system. The empirical analysisindicates that the above method can effectively predict the change range of the stock price.
Key words：Information granulation; Support vector machine; Stock price
收稿日期： 2011-06-20
基金项目： 自然科学基金资助项目（10771217）
作者简介： 喻胜华（1966—），男，湖南宁乡人，湖南大学经济与贸易学院教授，研究方向：数量经济学。
[1]
会计论文范文词： 信息粒化；支持向量机；股票
中图分类号： F224；F830.91 文献标识码： A 文章编号：1003-7217(2011)06-0044-04
一、引 言
我国证券行业的发展，股票投资已家庭和个人理财的一种方式，是家庭财产收入的组成。股票市场具有高风险与高收益并存的特性，股票的涨跌及变化趋势也一直受到政府和投资大众的密切，证券市场的波动也逐渐衡量我国经济发展的指标。因此，股票的预测已经济学中的研究课题。已经有学者做了大量的研究，也了策略会计专业论文。但从模型的理论来看将其划分为两个的类别：一类是以统计学原理为理论的波动率预测模型，较为常见的模型有ARCH模型和SV模型等；另一类则是以灰色理论、神经网络、支持向量机等理论为的预测模型。支持向量机策略会计专业论文最大的特点转变了神经网络经验风险最小化原则，转而结构风险最小化原则，从而具有良好的泛化能力。另外，支持向量机在处理非线性【会计论文】时，用核函数来代替高维空间内积运算，从而将非线性【会计论文】转化为高维空间线性【会计论文】，非常地克服了维数灾难局部极小的【会计论文】［1］。我国学者彭丽芳等［2］于2006年了一种基于时间序列的支持向量机股票预测策略会计专业论文，并对股票的收盘价了回归预测,克服了传统时间序列预测模型仅局限于线性系统的缺点；史耀媛［3］于2006年在浅析【会计论文】股市混沌特点【会计论文范文】的上，了基于SVM的股市时间序列预测算法和股市趋势模式识别算法，在基于小波变换和模糊系统原理的上改善了基于支持向量机的股市时间序列预测算法和股市趋势模式识别算法；李拥军等［4］在2006年了一种改善的快速增量加权支持向量机算法并用于证券指数预测。上述预测策略会计专业论文只能股票的点预测，但在现实生活中，投资者还想知道股票的波动范围［5］。为此，先将原始数据粒化，上构建支持向量机的预测模型，此来预测股票的波动范围。二、基于信息粒化的支持向量机预测策略会计专业论文
信息粒化（Information Granulation）这一最早是由L.A.Zadeh教授于1979年的，自此，研究人员对信息粒化的思想产生了浓厚的兴趣。L.A.Zadeh教授领域都信息粒的，只是在不同领域表现形式不同。所谓信息粒化把大量复杂信息按各自的特点【会计论文范文】和性能将其划分成若干较简单的块，而每个如此划分出来的块被看成粒，处理信息的就被称为信息粒化。：停车场【会计论文】的信息粒，按车子的性能、型号、大小或牌号而将停车场划分成若干块，其每一块将停放一种性能或一种型号或一种大小或一类区域牌号的车子［6］。粒是密集的或稀疏的、清晰的或模糊的，它完全依赖于粒的边界论文格式范文被准确地定义而定。：学校小学类、中学类、大学类等清晰粒，人类头部鼻子、耳朵、额头、脸等就看作是一种模糊粒［7］。信息粒表示成如下形式：g(x is G)is λ
，x是论域U中取值的变量，G是U的模糊子集，由隶属函数μG来刻画，λ表示可能性概率，一般假设U为实数集R(Rn)，G是U的凸模糊子集，λ是单位区间的模糊子集［8, 9］ 。模糊信息粒以模糊集的形式表示的信息粒，常用的模糊信息粒子有三角型、梯型、高斯型和抛物型等。
用模糊信息粒化策略会计专业论文支持向量机回归预测的如下：
1.提取原始数据。
2.对原始数据模糊信息粒化，粒化后的原始数据。
拟三角型模糊粒子对数据处理，其隶属函数为：A(x,a,m,b)=0,x＜ax－am－a,a≤x≤mb－xb－m,m＜x≤b0,x＞b (1)
财经理论与实践(双月刊)2011年第6期2011年第6期(总第174期)喻胜华，肖雨峰:基于信息粒化和支持向量机的股票预测
x是论域变量，a、m和b是参数。
3.支持向量机对粒化数据回归预测。
支持向量机回归的思想是非线性映射将样本数据映射到高维的特点【会计论文范文】空间中，并在该空间中线性回归。支持向量机的是寻求回归函数：y=f(x)=(w•x)+b（2）
式（2）中w为权重，x为样本输入值，b为阈值。
在高维特点【会计论文范文】空间中，线性【会计论文】内积运算用核函数来代替，而核函数用原空间函数，必要知道非线性函数的形式。
从已有的研究成果来看，Gauss径向基核函数在大情况下都了较好的预测效果，因此，沿用前人的经验Gauss径向基核函数，即：
K(xi,x)=exp (－γ‖xi－x‖2)（3）
选取不同的核函数对支持向量机性能的影响并不大，但所选取的核函数的参数和误差惩罚因子C却影响了支持向量机的泛化推广性能，因此，核函数和误差惩罚因子的参数选择策略会计专业论文尤为。常交叉验证的方式来选择最优参数，其思想是将样本数据分组，一训练集，另一验证集，用训练集对学习机器训练，再验证集检测训练的模型。在交叉验证的思想下，参数寻优策略会计专业论文又可分为启发式算法和非启发式算法。启发式算法有遗传算法、粒子群优化算法和蚁群优化算法等，而非启发式算法有网格搜索法。
4. 给出预测变量的变化趋势并验证预测效果。
对建立的支持向量机回归预测模型使用均方误差、均方根误差、平均绝对百分比误差、平均绝对误差预测准确度等统计量来检验其预测和拟合效果。三、应用实例
为了证明策略会计专业论文的一般性，在上市公司中随机抽取了一只股票（长安汽车（000625）），选取长安汽车2007年1月11日~2010年1月29日的每日开盘价浅析【会计论文】（数据来新浪通信达股票数据库），以前644天的数据训练集建立支持向量机回归预测模型来预测后5天的开盘价。对原始数据提取，接着对开盘价模糊信息粒化，式（1）的三角型模糊粒子以5个交易日为窗口将训练集粒化，结果如图2所示。每个窗口都3个模糊粒化后的变量：low, R和up, 它们对应三角型模糊粒化公式a, m和b三个参数，对于单个模糊粒子而言，low参数描述了原始数据变化的最小值，R参数描述了相应的原始数据变化的的平均，up参数描述了原始数据变化的最大值［10］。
接下来对low, R和up回归预测，将数据预处理，这里将粒化数据归一化，然后支持向量机回归预测模型来预测。
因为三个变量的预测类似，这里只给出low的运行结果，将low归一化处理，结果如图3。接着网格寻优模型参数的选择，先在大范围内做粗略的参数寻优找到其大致的范围，再图5 对Low变量参数精细选择的结果较小范围内的精细寻优，结果图4和图5。
最佳的c=256, γ=0.08839,最佳参数确定的模型对训练集训练，对训练集预测的对比图即图6。类似的策略会计专业论文，对R和up的模型参数并建立模型对其预测，从而预测出下5个交易日内开盘价的最小、平均和最大值，表1是预测结果与真实值的对比。
四、结 论
近年来，信息粒化这一研究领域已了国际上著名学者的，并做了的研究工作，该策略会计专业论文在医疗诊断等领域已了良好的应用效果。而支持向量机在解决小样本、非线性及高维模式识别中表现出特有的优势，并推广到函数拟合等机器学习【会计论文】中。把信息粒化策略会计专业论文和支持向量机，对长安汽车的股票了预测。表1 ：与前5个交易日相比，长安汽车股票的开盘价有整体下降的趋势，并且，5天内长安汽车股票的开盘价都在的预测范围内，这基于信息粒化的支持向量机回归预测策略会计专业论文有较好的预测效果。支持向量机在小样本情况下表现出出色的分类能力，但其核参数的选取常常并不尽如人意，而信息粒化策略会计专业论文群体中个体之间的协作和信息共享来寻找最优解，其特点是收敛速度快，参数调节，。的，可取长补短。当然，该策略会计专业论文还尝试和起步阶段，尚之处：1.该策略会计专业论文精确地预测出未来每天的股票，而只能确定其大致的波动范围。
2.该策略会计专业论文从理论上给出区间预测的可靠度。
3.从的应用实例来看，该策略会计专业论文的可靠度达到了100%，但预测的精度论文格式范文很理想。4.模糊粒子类型的选择、核函数的选择参数范围的设定等都具有很大的主观随意性，而这在实证浅析【会计论文】中会影响预测效果。
综上所述，该策略会计专业论文的可靠度、预测精度、稳健性适应范围等【会计论文】还有待研究。
文献：
［1］T.Hastie, R.Tibshirani, J.Friedman. The elements of statistical learning:data mining,inference and prediction［M］. Springer Series in Statistics, 2009：371-409.
［2］彭丽芳，孟志青，姜华. 基于时间序列的支持向量机在股票预测应用［J］.计算技术与自动化. 2006，25（3）：88-91.
［3］史耀媛. 基于支持向量机的股市浅析【会计论文】与预测策略会计专业论文研究［R］. 西北工业大学博士学位论文, 2006.
［4］李拥军,奉国和. 快速增量加权支持向量机预测证券指数［J］. 制约理论与应用. 2006，23（5）：807-809.
［5］关华.基于GARCH族模型的深证成指波动研究［J］.湖南大学学报(社科版),2011,(3):62-65.
［6］刘清, 刘群. 粒及粒计算在逻辑推理应用［J］. 计算机研究与发展，2004，41（4）：546-551.
［7］李鸿. 粒集理论：粒计算的新模型［J］. 重庆邮电大学学报（自然科学版），2007，19（4）：397-404.
［8］王国胤, 张清华，胡军. 粒计算研究综述［J］. 智能系统学报，2007，2（6）:8-26
［9］黄兆华，邓毅雄. 粒计算应用的研究［J］. 华东交通大学学报，2005，22（5）：124-127.
［10］王斌会. 数据挖掘技术应用近况会计毕业论文范文［J］. 统计与决策，2006，（5）：122-124.
（责任编辑：宁晓青）
Forecasting Method of Stock Price based on Information Granulation and Support Vector Machine
YU Shenghua1, XIAO Yufeng 2
(1. School of Economics and Trade, Hunan University, Changsha, Hunan 410079,China; 2. School of Mathematical Sciences and Computing Technology, Central South University, Changsha, Hunan 410075,China)
Abstract： Information granulation is a powerful tool for massive data mining and fuzzy information processing. In this paper, a new forecasting method of stock price based on information granulation and support vector machine is put forward. Using the stock data of Changan Automobile, a regression prediction model of the opening price is established. This model abstains from the default of traditional time series prediction model that only can be used in linear system. The empirical analysisindicates that the above method can effectively predict the change range of the stock price.
Key words：Information granulation; Support vector machine; Stock price
收稿日期： 2011-06-20
基金项目： 自然科学基金资助项目（10771217）
作者简介： 喻胜华（1966—），男，湖南宁乡人，湖南大学经济与贸易学院教授，研究方向：数量经济学。
[1]