摘要:选用2008-2015共8年数据,首先基于高斯核的支持向量机在沪市A股上构建周期性的投资组合,并通过误差图和评价指标与BP神经网络、广义回归神经网络进行比较,结果表明了支持向量机在股票预测上更具有优势.再将改进遗传算法运用于上证股票市场构建最优投资组合,以上证指数作为基准进行比较,得出混合遗传算法优化组合的模型相比单一模型更为有效.
关键词:机器学习 高斯核支持向量机 遗传算法 投资组合
单位:上海理工大学管理学院数量经济学专业; 上海200093
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社