基于SVM和ARIMA-EGARCH的股票收益預(yù)測(cè)研究

摘   要：股票市場(chǎng)被視為一個(gè)國家實(shí)體經(jīng)濟(jì)的重要活動(dòng)指標(biāo)之一，它引導(dǎo)資金并將儲(chǔ)戶與投資者聯(lián)系起來，最終促進(jìn)經(jīng)濟(jì)增長，股票的收益波動(dòng)也逐漸成為眾多機(jī)構(gòu)投資者和散戶投資者最為關(guān)心的事情。從過往研究來看，計(jì)量經(jīng)濟(jì)學(xué)所具有的傳統(tǒng)模型并不能夠在長期過程中實(shí)現(xiàn)股價(jià)的預(yù)測(cè)?；诖?，創(chuàng)新性地從人工神經(jīng)網(wǎng)絡(luò)算法的支持向量機(jī)模型SVM和ARIMA-EGARCH模型出發(fā)，選取上市公司A股中遠(yuǎn)海特作為研究對(duì)象，利用python這一流行的編程工具來進(jìn)行算法和模型的實(shí)現(xiàn)，旨在比較新興的人工神經(jīng)網(wǎng)絡(luò)算法與傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型在股票收益預(yù)測(cè)方面的優(yōu)劣，并提出相應(yīng)的優(yōu)化改進(jìn)建議。（剩余4767字）