【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第12期 208-213页,共6页

【作 者】： 高玉明 [1] ; 张仁津 [1,2]

【摘 要】 研究证券指数预测问题，证券指数变化具有时变性、不确定性、非线性等特点，传统的线性预测方法无法正确反映证券指数的变化规律，且神经网络存在局部极小值、过拟合、泛化能力不强等缺陷，预测精度比较低。为了提高证券指数的预测精度，提出了一种利用改进量子粒子群（QPSO）算法优化SVR的证券指数预测方法（改进的QPSO—SVR）。首先采用改进的QPSO算法优化SVR的参数，然后将优化后的sVR对证券指数的非线性变化规律进行建模。最后选取2002年10月18日到2004年1月9日上证指数的历史相关数据进行实验。实验结果表明，采用改进的QPSO—SVR提高了证券指数的预测精度，减少了预测误差。预测结果能够为股票投资者提供有价值的参考意见。