基于支持向量回归的金融时间序列预测研究开题报告

1. 研究目的与意义（文献综述）

时间序列是数据存在的特殊形式，序列的过去值会对未来值产生影响。这种影响可以通过时间序列中的趋势、周期与平稳性来进行刻画。金融时间序列作为一种特殊的时间序列，是一个复杂的非线性动态系统，其影响因素众多，通常被认为是非平稳的、确定混沌的并且含有大量噪声，因此在时间序列的研究中极具挑战性。而对金融时间序列的预测能够通过及时发现序列的异常变化，预测出金融市场趋势，做出对市场异常的预警，及时对投资做出调整。金融时间序列的预测具有巨大的科研价值与经济价值，已经受到了越来越多的关注。近年来，人们将神经网络、混沌理论及遗传算法等理论与方法应用于金融时间序列预测领域，已经取得了一定的成功，但仍有其不足之处。在这些方法中，建立在统计学习理论基础上的支持向量机技术有着比较好的应用前景。支持向量机主要着重于研究小样本条件下的统计规律，其理论研究与实际应用都处在一个快速发展的阶段。支持向量机中的支持向量回归主要方法是通过数据升维构建决策函数来实现线性回归，具有比较好的精确性与泛化能力，能够较好地应用于金融时间预测领域。

在过去的研究中，比较多采用主要有两种方式。一种是通过支持向量回归算法的组合与设置建立一种有效的预测模型，另一种是通过与其他数据挖掘技术相结合建立有效的模型。这些研究模型所分析的数据更多集中在股票市场领域，而在这篇论文当中，将会以外汇市场数据为应用基础。此论文将会对以前效果较好的支持向量回归模型与算法进行分析，找出其中的优缺点。通过这些比较，得出一个针对外汇市场数据的支持向量回归预测算法。通过matlab程序实现该算法，由一部分训练数据为基础，对算法进行调整，使之在测试中能够得出较高且平稳的预测成功率，并在可行情况下在实际生产中进行检测。

随着社会投资规模的不断增长，外汇市场将会成为一个比较重要的投资增长点。通过较好的支持向量回归及相关算法对外汇市场进行预测，能够在较高概率上对市场情况进行提前掌握，提高投资的回报率。外汇市场投资的增长也将会促进支持向量回归算法在外汇市场预测中的比重，推动其发展。

2. 研究的基本内容与方案

本文将基于外汇市场的日k线数据，通过建立支持向量回归模型对外汇市场中的价格趋势做出预测，提升预测的准确率。研究结果将能够在一定概率上对市场走向做出预测，从而获得较大的投资收益，降低市场波动的风险。主要的研究内容主要包含以下几个部分：

第一部分为绪论。主要阐述研究背景、目的及意义以及文本的组织架构，分析外汇市场的特点及当前相关预测技术的预测情况，讨论支持向量回归在外汇市场预测中的可行性。

第二部分是国内外研究发展现状的分析。本部分将会研究已有的支持向量机及支持向量回归机的相关模型与算法，试验其在外汇市场中的预测效果，找出可供参考的部分及其缺点。

3. 研究计划与安排

第1-4周：收集和整理资料。

第5-6周：拟定提纲，提交开题报告。

第7-13周：撰写论文初稿和修改稿,保持与指导教师的沟通。

4. 参考文献（12篇以上）

[1]陈钟国. 混合多个svr模型的金融时间序列预测[j]. 微型电脑应用,2013,03:17-20 23.

[2]阿磊. 基于支持向量回归机的汇率预测[d].华东师范大学,2011.

[3]汤凌冰. 基于支持向量机的金融时间序列回归分析[d].上海交通大学,2010.