【预测模型-SVM预测】基于SVM实现股票趋势预测matlab源码.zip

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行

完整代码，可直接运行

针对产品销售时序具有多维度，非线性的特征，通过设计了一种扩展的RBF核函数，将其应用于支持向量机中，得到一种扩展的RBF核支持向量机(ERBF-SVM: Expanded Radial Basis Function - Support Vector Machine)；同时设计了一种改进的免疫优化算法对其参数进行寻优。 该方法被应用于汽车销售预测实例中，并与BP神经网络(BPNN)、采用一般RBF核的支持向量机(v-SVM: v-Support Vector Machine)及多尺度支持向量机（MS-SVM: Multi-scale support vector machine）进行了比较。 实验结果表明本文提出的方法是有效可行的，所获方法的预测精度优于参与比较的其它三种方法

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

股票市场是非线性系统，具有内部结构复杂性和外部因素多变性，在股市指数价格和成交量基础上，引入宏观经济指标共同构建模型预测指标体系，并分析各指标之间的长期均衡关系和因果关系。在贝叶斯分析的基础上，将代表网络复杂性的惩罚项引入模型误差函数中，并通过动态调整惩罚因子删减网络中对股票市场不敏感的隐层神经元，在保证模型泛化能力的同时实现网络结构精简。以上证指数为例，构建基于BP算法的结构修剪神经网络预测模型，在不同的预测指标体系下对股票市场运行规律进行学习，并对上证指数进行仿真预测。最后，通过与其他神经网络预测模型比较验证该模型的有效性。