摘要
改进了单纯利用非参数核估计预测上证指数的方法。首先利用隐马尔科夫模型将数据分成两种状态,即正常状态和非正常状态。然后对正常状态的数据仍然使用非参数核估计进行预测,而对非正常状态的数据则结合支持向量机(SVM)进行预测。由于在较少数据预测问题中支持向量机模型预测具有较大的优势,从而使新的预测方法较以前的方法具有更好的预测效果。
The paper improves the method of Shanghai Composite index estimation which is predicted by the non-parametric kernel regression estimation.Using the hidden markov model,we divide the data into two states,namely normal and abnormal state.Then,we predict the normal state still by non-parametric kernel regression estimation,but for the abnormal state,we adopt the method which combines the non-parametric kernel regression estimation with the supported vector machine(SVM).The new method is better than the earlier one,since the SVM has the dominate in less data situation.
出处
《辽宁科技学院学报》
2012年第2期37-39,共3页
Journal of Liaoning Institute of Science and Technology
关键词
非参数核估计
支持向量机
隐马尔科夫模型
上证指数
预测
Non-parametric kernel regression estimation
Supported vector machine
Hidden Markev model
The Shanghai composite index
Predict
