基于区域标记法的代价敏感支持向量机在股票预测中的研究
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金


A Study of Cost-Sensitive SVM based on Region Labeling Method in Stock Prediction
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    本文针对传统股票预测中单点标记法的缺陷,提出了区域标记法,区域标记法可以为训练分类器提供更多有用信息,在一定程度上减轻了类别不平衡的问题,也更能满足实际任务的需求.同时,本文构建了一个RCS-Trader模型,该模型使用了代价敏感的支持向量机和F_S度量进行优化,相比于传统股票预测方法,RCS-Trader模型的效果更好,投资回报率更高.

    Abstract:

    In this paper, the region labeling method is proposed for the shortcomings of single point labeling method in traditional stock forecasting. The region labeling method can provide more useful information for training classifier and alleviate the problem of class imbalance to a certain extent, which is also more suitable for practical needs. At the same time, this paper constructs an RCS-Trader model, which uses cost-sensitive support vector machines and F_S measure to optimize. Compared with traditional stock predicting methods, RCS-Trader model works better and has higher return rate of investment.

    参考文献
    相似文献
    引证文献
引用本文

引用本文格式: 秦璐,李旭伟. 基于区域标记法的代价敏感支持向量机在股票预测中的研究[J]. 四川大学学报: 自然科学版, 2018, 55: 277.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2017-05-26
  • 最后修改日期:2017-07-23
  • 录用日期:2017-07-26
  • 在线发布日期: 2018-03-13
  • 出版日期: