Grid—Search和PSO优化的SVM在Shibor回归预测中的应用研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：作为一种动态和非稳定时间序列，Shibor发展变化是随机波动的，难以准确预测Shibor的波动性．支持向量机（SVM）在回归预测非线性时间序列方面有很好地预测效果，SVM的预测精度和泛化能力的核心是参数的优化选择，分别用网格搜索法（Grid-Search）和粒子群（PSO）算法来优化SVM的参数c和g．从而将参数优化后的SVM非线性回归预测法与基于传统ARIMA时间序列预测结果进行对比分析．实验表明，优化后的SVM回归预测方法比ARIMA时间序列方法更精确，在实际中具有很大的应用价值．

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：search SHIBOR HIBOR grid 回归预测 机器学习 非线性回归预测 支持向量机 网格搜索法 粒子群算法